深度学习 订阅
深度学习(DL, Deep Learning)是机器学习(ML, Machine Learning)领域中一个新的研究方向,它被引入机器学习使其更接近于最初的目标——人工智能(AI, Artificial Intelligence)。 [1]  深度学习是学习样本数据的内在规律和表示层次,这些学习过程中获得的信息对诸如文字,图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力,能够识别文字、图像和声音等数据。 深度学习是一个复杂的机器学习算法,在语音和图像识别方面取得的效果,远远超过先前相关技术。 [1]  深度学习在搜索技术,数据挖掘,机器学习,机器翻译,自然语言处理,多媒体学习,语音,推荐和个性化技术,以及其他相关领域都取得了很多成果。深度学习使机器模仿视听和思考等人类的活动,解决了很多复杂的模式识别难题,使得人工智能相关技术取得了很大进步。 [1] 展开全文
深度学习(DL, Deep Learning)是机器学习(ML, Machine Learning)领域中一个新的研究方向,它被引入机器学习使其更接近于最初的目标——人工智能(AI, Artificial Intelligence)。 [1]  深度学习是学习样本数据的内在规律和表示层次,这些学习过程中获得的信息对诸如文字,图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力,能够识别文字、图像和声音等数据。 深度学习是一个复杂的机器学习算法,在语音和图像识别方面取得的效果,远远超过先前相关技术。 [1]  深度学习在搜索技术,数据挖掘,机器学习,机器翻译,自然语言处理,多媒体学习,语音,推荐和个性化技术,以及其他相关领域都取得了很多成果。深度学习使机器模仿视听和思考等人类的活动,解决了很多复杂的模式识别难题,使得人工智能相关技术取得了很大进步。 [1]
信息
外文名
Deep Learning
提出时间
2006年
提出者
Geoffrey Hinton,Yoshua Bengio,Yann LeCun 等
中文名
深度学习
学    科
人工智能
应    用
计算机视觉,自然语言处理,生物信息学 等
深度学习简介
深度学习是一类模式分析方法的统称,就具体研究内容而言,主要涉及三类方法: [2]  (1)基于卷积运算的神经网络系统,即卷积神经网络(CNN)。 [2]  (2)基于多层神经元的自编码神经网络,包括自编码( Auto encoder)以及近年来受到广泛关注的稀疏编码两类( Sparse Coding)。 [2]  (3)以多层自编码神经网络的方式进行预训练,进而结合鉴别信息进一步优化神经网络权值的深度置信网络(DBN)。 [2]  通过多层处理,逐渐将初始的“低层”特征表示转化为“高层”特征表示后,用“简单模型”即可完成复杂的分类等学习任务。由此可将深度学习理解为进行“特征学习”(feature learning)或“表示学习”(representation learning)。 [3]  以往在机器学习用于现实任务时,描述样本的特征通常需由人类专家来设计,这成为“特征工程”(feature engineering)。众所周知,特征的好坏对泛化性能有至关重要的影响,人类专家设计出好特征也并非易事;特征学习(表征学习)则通过机器学习技术自身来产生好特征,这使机器学习向“全自动数据分析”又前进了一步。 [3]  近年来,研究人员也逐渐将这几类方法结合起来,如对原本是以有监督学习为基础的卷积神经网络结合自编码神经网络进行无监督的预训练,进而利用鉴别信息微调网络参数形成的卷积深度置信网络。与传统的学习方法相比,深度学习方法预设了更多的模型参数,因此模型训练难度更大,根据统计学习的一般规律知道,模型参数越多,需要参与训练的数据量也越大。 [2]  20世纪八九十年代由于计算机计算能力有限和相关技术的限制,可用于分析的数据量太小,深度学习在模式分析中并没有表现出优异的识别性能。自从2006年, Hinton等提出快速计算受限玻耳兹曼机(RBM)网络权值及偏差的CD-K算法以后,RBM就成了增加神经网络深度的有力工具,导致后面使用广泛的DBN(由 Hinton等开发并已被微软等公司用于语音识别中)等深度网络的出现。与此同时,稀疏编码等由于能自动从数据中提取特征也被应用于深度学习中。基于局部数据区域的卷积神经网络方法今年来也被大量研究。 [2] 
收起全文
精华内容
下载资源
问答
  • 2022-02-07 17:03:17

    下面是该类的一些题目:

    题目
    光学遥感图像典型目标检测方法研究
    内蒙古草地生产力时空分析及产草量遥感估算和预测
    双支路深度神经网络下的遥感图像配准及多分辨率融合分类
    可见光遥感图像海面目标自动检测关键技术研究
    可见光遥感图像海面舰船目标检测技术研究
    基于区域卷积神经网络的光学遥感图像部分遮挡目标检测识别技术研究
    基于卷积神经网络的光学遥感影像船只目标检测技术研究
    基于多层次语义信息的遥感影像检索
    基于多源遥感信息综合的湿地土地覆被分类研究
    基于多源遥感影像的动态滑坡灾害空间预测模型研究
    基于学习的红外遥感超分辨率目标识别算法研究
    基于显著性和可变形部件模型的遥感影像建筑物识别
    基于样本先验学习的光学遥感图像超分辨重建算法研究
    基于深度卷积神经网络的光学遥感目标检测技术研究
    基于深度卷积神经网络的遥感图像目标检测方法研究
    基于深度学习和多尺度多特征融合的高分辨率遥感地表覆盖分类研究
    基于深度学习的SAR遥感图像分类方法研究
    基于深度学习的光学遥感图像去噪与超分辨率重建算法研究
    基于深度学习的多时相遥感影像变化检测研究
    基于深度学习的淡水湿地遥感精细分类研究
    基于深度学习的遥感图像场景分类研究
    基于深度学习的遥感图像理解
    基于深度学习的遥感图像语义分割关键技术研究
    基于深度学习的遥感图像语义分割问题研究
    基于深度学习的遥感影像变化检测方法研究
    基于深度学习的高分辨遥感影像建筑物提取技术研究
    基于深度学习的高空间分辨率遥感影像分类方法研究
    基于深度生成对抗模型的高光谱遥感影像分类研究
    基于深度融合网络学习的多源遥感图像分类
    基于稀疏表示的去噪声遥感图像融合算法优化
    基于空时建模的遥感影像变化检测方法与应用
    基于遥感技术与深度学习的四川高陡山区典型地质灾害识别
    基于部分配置模型的高分辨率遥感图像遮挡目标检测方法研究
    基于高光谱图像的多源遥感图像融合研究
    基于高光谱遥感影像的森林识别与分类研究
    基于高分遥感影像的深度学习目标检测方法研究
    复杂地表景观区域水稻面积遥感精确提取与时空变化分析
    多模式遥感数据地震应急关键技术研究
    序列遥感影像异常检测的时空模型研究与应用
    机载成像高光谱遥感及应用关键技术研究
    深度卷积神经网络在遥感影像分类的应用研究
    深度学习语义分割的遥感影像道路提取方法研究
    红外遥感图像舰船目标在线检测关键技术研究
    近岸海水养殖区域遥感提取关键技术与空间分布特征研究
    长白落叶松生物量组分多尺度遥感反演
    面向可见光遥感图像的海上目标快速检测和识别技术
    面向遥感影像分类、目标识别及提取的深度学习方法研究
    面向高分辨率遥感影像场景分类的深度卷积神经网络方法
    面向高分辨率遥感影像场景语义理解的概率主题模型研究
    高光谱遥感影像光谱降维与空谱联合分类方法研究
    高光谱遥感影像异常目标检测的关键问题研究
    高分辨率可见光遥感图像建筑物提取方法研究
    高分辨率遥感图像典型目标高精度分割研究
    高分辨率遥感图像深度学习分类方法研究
    高分辨率遥感图像道路提取算法研究与改进
    高分辨率遥感影像“像素—目标—场景”的深度理解方法研究
    不同分辨力遥感图像目标识别系统研制
    不完全监督学习遥感图像目标检测技术研究
    伊犁河流域多特征遥感影像水体识别研究
    像素级与对象级相结合的高分遥感影像变化检测方法研究
    光学遥感图像中飞行器目标细粒度分类的研究
    光学遥感图像的港口内舰船检测算法研究
    光学遥感图像超分辨率重构方法研究
    光学遥感影像多尺度稠密目标检测方法研究与实现
    具备过拟合抑制的生成式对抗网络模型构建及遥感分类应用
    卷积神经网络的压缩与加速在遥感图像分类上的应用
    卷积神经网络的多光谱遥感图像超分辨率重建
    卷积网络模型及其在遥感图像目标识别中的应用
    图像超分辨率算法在卫星遥感图像上的应用
    城市遥感影像统计分析系统设计与实现
    基于CNN的遥感图像目标分类方法研究
    基于CNN的遥感图像飞机目标识别系统研究与实现
    基于CNN的遥感影像中飞机检测方法研究
    基于CNN的高分辨率遥感影像典型农作物分类方法研究
    基于DBN的高光谱遥感影像分类方法研究
    基于DCNN的高分辨率遥感图像场景分类
    基于Deeplab V3+网络的遥感地物图像语义分割研究
    基于Deeplabv3+的遥感图像城市道路分割算法研究
    基于EVI时序特征深度学习的复杂地表景观区域水稻遥感精确识别方法
    基于Faster R-CNN的遥感图像目标检测
    基于Faster RCNN的遥感影像分类研究
    基于GF-2遥感影像提取农业大棚方法研究
    基于MFFCN的复杂地形条件下高分辨率遥感道路提取研究
    基于Mask R-CNN的高分辨率光学遥感影像的目标检测与实例分割
    基于OCO-2日光诱导叶绿素荧光遥感数据的区域作物估产研究
    基于R2CNN++的遥感图像目标检测算法研究
    基于Res-MSRN的遥感图像少样本对象识别方法研究
    基于SSD卷积神经网络的遥感图像目标检测
    基于Wasserstein生成对抗网络的遥感图像去模糊研究
    基于YOLO的遥感图像目标检测算法研究
    基于上下文感知的高分辨率遥感影像目标检测
    基于中高分辨率遥感影像人工地表提取方法研究
    基于主题模型和深度学习的高分辨率遥感影像场景变化检测研究
    基于修剪策略的遥感图像目标检测方法研究
    基于光学遥感图像的船只检测
    基于光学遥感影像的特定目标检测及识别
    基于全卷积神经网络的航空遥感图像语义分割及改进方法研究
    基于全卷积神经网络的遥感图像语义分割及变化检测方法研究
    基于全卷积神经网络的遥感影像分类方法研究
    基于全卷积神经网络结合面向对象的滨海湿地植被遥感动态监测
    基于全卷积网络的长株潭城市群高分辨率遥感影像道路提取
    基于全卷积网络的高光谱遥感图像处理系统
    基于全卷积网络的高分一号遥感影像分割方法
    基于关键部位关联辨识的遥感建筑区检测技术
    基于区域一致性的高分辨率遥感影像分类
    基于半监督Curvelet压缩卷积模型的遥感图像地物分类
    基于卷积特征的多模态遥感影像匹配研究
    基于卷积神经网络关键点定位的遥感图像铁路检测
    基于卷积神经网络和SIFT的多源遥感图像配准研究
    基于卷积神经网络和模糊分类的遥感图像检索
    基于卷积神经网络和蚁群算法的遥感图像检索研究
    基于卷积神经网络的光学遥感图像目标检测技术研究
    基于卷积神经网络的农村居民点建设用地遥感影像识别研究
    基于卷积神经网络的双源遥感数据语义分割的方法研究
    基于卷积神经网络的城市遥感影像道路分割
    基于卷积神经网络的多尺度遥感图像目标检测方法研究
    基于卷积神经网络的遥感图像分类和分割方法研究
    基于卷积神经网络的遥感图像分类研究
    基于卷积神经网络的遥感图像分类算法研究
    基于卷积神经网络的遥感图像场景分类研究
    基于卷积神经网络的遥感图像场景识别模型研究
    基于卷积神经网络的遥感图像检测技术研究
    基于卷积神经网络的遥感图像目标检测与识别
    基于卷积神经网络的遥感图像目标检测及变化检测
    基于卷积神经网络的遥感图像融合算法
    基于卷积神经网络的遥感图像语义分割
    基于卷积神经网络的遥感图像质量评价研究
    基于卷积神经网络的遥感图像飞机目标识别研究
    基于卷积神经网络的遥感影像云检测算法研究
    基于卷积神经网络的遥感影像分类方法研究
    基于卷积神经网络的遥感影像飞机检测技术研究
    基于卷积神经网络的遥感目标检测技术研究
    基于卷积神经网络的面向对象遥感影像分类方法研究
    基于卷积神经网络的高光谱遥感图像分类技术研究
    基于卷积神经网络的高光谱遥感图像分类方法研究
    基于卷积神经网络的高分二号遥感影像提取方法
    基于卷积神经网络的高分辨率多光谱遥感图像上的城区建筑物变化检测技术
    基于卷积神经网络的高分辨率遥感图像上的水体识别技术
    基于卷积神经网络的高分辨率遥感影像变化检测
    基于卷积神经网络的高分辨率遥感影像建筑物提取
    基于卷积神经网络的高分辨率遥感影像建筑物提取方法研究
    基于卷积网络的遥感图像目标检测技术研究
    基于反卷积网络的高空间分辨率遥感影像道路提取
    基于可变形全卷积神经网络实现遥感图像冬小麦自动解译
    基于可见光遥感船舶图像的语义分割
    基于在线难例挖掘网络的遥感影像中典型目标检测方法研究
    基于场景分析的遥感图像分割与标注方法研究
    基于域分类的遥感目标检测算法研究与实现
    基于多尺度卷积神经网络的遥感图像道路提取研究
    基于多尺度反卷积特征融合网络的光学遥感影像目标检测
    基于多尺度深度特征融合网络的遥感图像目标检测与分类
    基于多尺度特征与模型压缩加速的光学遥感图像目标检测
    基于多尺度特征的遥感影像建筑物自动检测
    基于多尺度特征自适应融合网络的遥感图像超分辨率重建方法
    基于多尺度特征融合与方向边界框预测的光学遥感图像目标检测
    基于多尺度遥感技术的水稻病虫害监测研究
    基于多层网络的遥感图像场景分类
    基于多模态特征融合的遥感图像语义分割方法研究
    基于多特征深度学习的高分辨率遥感影像场景分类
    基于多特征融合与深度置信网络的遥感影像分类研究
    基于多目标优化和深度神经网络结构优化的遥感图像变化检测
    基于多目标孪生卷积神经网络的遥感图像场景分类方法研究
    基于多类特征深度学习的高分辨率遥感影像分类
    基于子样本分析的遥感监督分类方法研究
    基于小样本深度学习的遥感地物分类与分割方法研究
    基于改进U-Net的遥感影像语义分割研究
    基于改进U-net的多光谱遥感影像分类方法研究
    基于改进Unet的遥感影像语义分割在地表水体变迁中的应用
    基于数据扩增式深度学习的遥感图像分析
    基于无人机低空遥感和深度学习的DEM生产技术
    基于无人机热红外遥感的地面人员检测模型研究
    基于无人机遥感的电力走廊精细化制图研究
    基于无人机高光谱遥感的荒漠化草原草种类分类研究
    基于显著性候选区域的遥感船舶检测
    基于机器学习的多光谱遥感图像道路目标分类识别方法研究
    基于机器学习的江苏滨海湿地植被变化遥感监测
    基于李群核学习的遥感图像场景分类研究
    基于注意力机制和深度学习的遥感图像自然语言描述生成模型
    基于注意力机制的高分辨率遥感影像植被提取研究
    基于深度卷积神经网络的遥感图像目标检测方法
    基于深度卷积神经网络的遥感影像场景分类研究
    基于深度卷积神经网络的遥感影像目标识别方法研究
    基于深度卷积神经网络的高分辨率遥感影像建筑物提取方法研究
    基于深度卷积神经网络遥感图像目标检测算法研究
    基于深度卷积网络的可见光遥感图像分类与检测
    基于深度卷积网络的遥感视频目标跟踪方法研究
    基于深度学习CNN的滨海湿地高光谱遥感影像分类研究
    基于深度学习U-Net模型的高分辨率遥感影像分类方法研究
    基于深度学习与条件随机场结合的遥感图像分类
    基于深度学习与遥感影像的兴趣目标路径规划方法研究
    基于深度学习和无人机遥感的松材线虫病树监测系统研究
    基于深度学习和直线检测的高分辨率遥感影像建筑物提取
    基于深度学习和雷达遥感数据的水稻种植面积提取研究
    基于深度学习方法的高分辨率遥感影像建筑物提取研究
    基于深度学习海洋内波遥感图像检测方法研究
    基于深度学习的Landsat 8遥感影像云检测算法研究
    基于深度学习的PM_(2.5)遥感估算与呼吸系统疾病门诊就诊人数预报研究
    基于深度学习的光学遥感图像多标签分类技术研究
    基于深度学习的光学遥感图像目标检测研究与应用
    基于深度学习的光学遥感图像自动舰船检测
    基于深度学习的光学遥感影像信息提取技术研究
    基于深度学习的光学遥感影像海上舰船目标检测研究
    基于深度学习的典型设施农用地遥感检测研究
    基于深度学习的农业遥感图像耕地提取技术研究
    基于深度学习的单幅遥感图像超分辨重建
    基于深度学习的卫星遥感图像舰船检测
    基于深度学习的城市高分辨率遥感图像语义分割模型优化
    基于深度学习的多时相遥感目标变化检测及分类研究
    基于深度学习的多源遥感影像目标检测技术的研究
    基于深度学习的多源遥感数据融合分类方法研究
    基于深度学习的多源遥感水体信息提取方法及其应用研究
    基于深度学习的多角度遥感影像云检测
    基于深度学习的大倍率遥感影像压缩技术研究
    基于深度学习的寒旱区遥感影像水体识别研究
    基于深度学习的建筑物震害遥感识别研究
    基于深度学习的彩色遥感图像飞机目标检测算法研究
    基于深度学习的文本与遥感图像目标检测研究
    基于深度学习的无人机遥感柑橘果实识别
    基于深度学习的星载微波遥感亮温图像分辨率增强重建算法研究
    基于深度学习的极化SAR海岛遥感信息提取技术
    基于深度学习的海表温度遥感反演模型
    基于深度学习的深海遥感技术研究
    基于深度学习的石冰川遥感识别研究
    基于深度学习的船只光学遥感图像检测和分割
    基于深度学习的遥感图像与文本分析算法研究
    基于深度学习的遥感图像中停车场的检测研究
    基于深度学习的遥感图像云检测方法研究
    基于深度学习的遥感图像云识别与分割处理技术研究
    基于深度学习的遥感图像典型目标检测
    基于深度学习的遥感图像分割算法研究
    基于深度学习的遥感图像分类技术研究
    基于深度学习的遥感图像分类研究
    基于深度学习的遥感图像分类研究
    基于深度学习的遥感图像分类算法研究
    基于深度学习的遥感图像匹配方法研究
    基于深度学习的遥感图像场景分类应用研究
    基于深度学习的遥感图像场景分类研究
    基于深度学习的遥感图像处理系统的设计与实现
    基于深度学习的遥感图像多目标检测与分割算法研究
    基于深度学习的遥感图像建筑物检测及其变化检测研究
    基于深度学习的遥感图像林地识别技术的研究与应用
    基于深度学习的遥感图像水边线提取技术的研究与应用
    基于深度学习的遥感图像滑坡信息提取算法研究
    基于深度学习的遥感图像的重构和分类算法研究
    基于深度学习的遥感图像目标分类的研究
    基于深度学习的遥感图像目标检测方法
    基于深度学习的遥感图像目标检测方法研究
    基于深度学习的遥感图像目标检测方法研究
    基于深度学习的遥感图像目标检测研究
    基于深度学习的遥感图像目标检测算法的研究与实现
    基于深度学习的遥感图像目标检测算法研究
    基于深度学习的遥感图像空谱融合与时空融合
    基于深度学习的遥感图像空谱融合研究
    基于深度学习的遥感图像自适应道路提取方法研究
    基于深度学习的遥感图像舰船目标检测与分类识别
    基于深度学习的遥感图像舰船目标检测与识别
    基于深度学习的遥感图像茶叶种植区域识别研究
    基于深度学习的遥感图像融合及分类方法研究
    基于深度学习的遥感图像语义分割技术研究
    基于深度学习的遥感图像语义分割方法研究
    基于深度学习的遥感图像语义分割系统的设计
    基于深度学习的遥感图像语义描述
    基于深度学习的遥感图像语义理解
    基于深度学习的遥感图像路面物体检测与识别
    基于深度学习的遥感图像车辆目标检测
    基于深度学习的遥感图像运动模糊复原算法研究
    基于深度学习的遥感图像道路信息提取算法研究
    基于深度学习的遥感图像道路提取
    基于深度学习的遥感图像道路提取与语义分割
    基于深度学习的遥感影像中冰坟检测方法研究
    基于深度学习的遥感影像分类应用研究
    基于深度学习的遥感影像分类方法研究
    基于深度学习的遥感影像分类研究
    基于深度学习的遥感影像分类研究
    基于深度学习的遥感影像去雾与舰船目标检测
    基于深度学习的遥感影像场景分类研究
    基于深度学习的遥感影像场景分类研究
    基于深度学习的遥感影像水体要素提取及变化检测模型研究
    基于深度学习的遥感影像目标检测算法研究
    基于深度学习的遥感影像语义分割应用
    基于深度学习的遥感影像语义分割方法研究
    基于深度学习的遥感影像车辆目标检测方法研究
    基于深度学习的遥感影像道路自动提取研究
    基于深度学习的遥感影像飞机检测方法研究
    基于深度学习的遥感影像飞机目标检测与识别技术研究
    基于深度学习的遥感水体信息提取研究
    基于深度学习的遥感目标检测算法
    基于深度学习的高光谱遥感图像分类
    基于深度学习的高光谱遥感图像分类
    基于深度学习的高光谱遥感图像分类研究
    基于深度学习的高光谱遥感图像地物分类研究
    基于深度学习的高光谱遥感图像特征学习与分类算法研究
    基于深度学习的高光谱遥感影像分类技术研究
    基于深度学习的高分辨率光学遥感图像目标检测识别方法研究
    基于深度学习的高分辨率光学遥感图像舰船检测
    基于深度学习的高分辨率光学遥感影像舰船目标检测与分类方法研究
    基于深度学习的高分辨率遥感图像去雾方法研究
    基于深度学习的高分辨率遥感图像变化检测
    基于深度学习的高分辨率遥感图像变化检测方法研究
    基于深度学习的高分辨率遥感图像建筑物检测算法研究
    基于深度学习的高分辨率遥感图像树木检测方法研究
    基于深度学习的高分辨率遥感图像道路提取方法研究
    基于深度学习的高分辨率遥感影像变化检测
    基于深度学习的高分辨率遥感影像复合目标及机场核心要素检测
    基于深度学习的高分辨率遥感影像多尺度语义分割
    基于深度学习的高分辨率遥感影像建筑物提取方法研究
    基于深度学习的高分辨率遥感影像建筑物提取研究
    基于深度学习的高分辨率遥感影像目标检测方法研究
    基于深度学习的高分辨率遥感影像语义分割方法研究
    基于深度学习的高分辨率遥感影像语义分割的研究与应用
    基于深度学习的高分辨率遥感影像车辆检测算法研究
    基于深度学习的高分辨率遥感影像道路提取研究
    基于深度学习的高分辨率遥感影像道路自动提取研究
    基于深度学习的高分遥感图像小目标检测方法研究
    基于深度学习的高分遥感多尺度实例分割融合研究
    基于深度学习算法模型的遥感影像道路提取技术
    基于深度学习高分辨率遥感影像场景分类研究
    基于深度学习高分辨率遥感影像语义分割研究
    基于深度残差网络的多尺度遥感影像语义分割研究
    基于深度特征增强的光学遥感目标检测技术研究
    基于深度特征学习的高分辨率遥感影像分类
    基于深度神经网络的遥感图像分析系统设计
    基于深度神经网络的遥感图像半监督学习方法研究
    基于深度神经网络的遥感图像多目标检测方法设计
    基于深度神经网络的遥感图像目标检测研究
    基于深度神经网络的遥感图像道路提取
    基于深度神经网络的遥感影像路面裂缝检测方法研究
    基于深度胶囊网络的高光谱及高空间分辨率遥感图像分类
    基于深度视觉感知建模的大视场多类遥感目标检测
    基于深度迁移学习的遥感图像分类问题研究
    基于特征融合深度卷积网络的遥感图像目标检测与地物分类
    基于生成对抗网的高分辨率遥感影像道路提取
    基于生成对抗网络的遥感图像场景分类研究
    基于生成对抗网络的遥感图像场景分类研究
    基于生成对抗网络的遥感图像融合
    基于生成对抗网络的遥感图像超分辨率方法研究
    基于生成对抗网络的遥感图像道路提取研究
    基于生成对抗网络的遥感影像薄云去除方法研究
    基于目标区域提议和深度网络的遥感影像目标检测与识别
    基于神经网络的国产高分光学遥感图像云检测
    基于稀疏约束卷积神经网络的高分辨率遥感影像分类
    基于端到端深度学习的多源遥感图像融合与分类技术
    基于端到端深度学习的遥感影像林地检测研究
    基于编码解码的高分辨率遥感图像变化检测
    基于编解码卷积神经网络的遥感图像分割研究
    基于耦合深度神经网络的多光谱遥感图像的Pan-sharpening算法
    基于自步学习和深度降噪自编码器的遥感图像变化检测
    基于自编码器与卷积神经网络的遥感对象分类
    基于自适应空间多尺度深度网络的遥感图像融合分类与检测
    基于葵花8卫星遥感数据的大雾识别研究
    基于视觉信息挖掘的遥感影像农业信息提取方法研究
    基于语义分割和实例分割的高分辨率遥感影像建筑物提取方法研究
    基于语义分割的高分辨率遥感图像变化检测
    基于语义分割的高分遥感影像地表覆盖分类方法的研究与实现
    基于超像素和孪生卷积神经网络的无监督高分辨率多光谱遥感影像变化检测技术
    基于轮廓波FPD-RFCN光学遥感影像目标检测
    基于轻量级网络的高通量遥感视觉目标检测与识别技术研究
    基于迁移学习的多源遥感影像建筑垃圾识别
    基于迁移学习的遥感图像分类研究
    基于迁移学习的遥感图像树种识别的研究
    基于道路交叉口的高分辨率遥感影像道路提取
    基于遥感图像处理的交通量检测与分析
    基于遥感图像多特征融合的道路材质信息提取
    基于遥感图像的新增建筑物识别模型的研究
    基于遥感成像技术的大豆病虫害与品种识别
    基于遥感数据融合的合成孔径雷达船只识别方法研究
    基于遥感的灌区灌溉需水反演及预测技术研究与系统实现
    基于预训练卷积神经网络的水稻种植制度遥感分类研究
    基于领域信息辅助深度学习的高分辨率可见光遥感图像目标提取
    基于高光谱遥感地表微斑块的识别与分类研究
    基于高光谱遥感的岩矿特征分类方法研究
    基于高光谱遥感的棉花淹水胁迫程度监测模型研究
    基于高分辨率遥感影像的变化检测方法研究
    基于高分辨率遥感影像空-谱特征联合的地表覆盖变化检测方法研究
    基于高分遥感图像的城区建筑物提取技术研究
    基于高层特征的光学遥感图像分类
    复杂海空环境舰船目标光学遥感成像特性建模及检测方法研究
    大规模遥感船舶影像数据库整理与实验分析
    小样本条件下的遥感图像分类方法研究
    小样本条件下的遥感图像检索方法研究
    小样本条件下高光谱遥感图像的深度学习方法研究
    改进Faster R-CNN的遥感图像目标检测
    机器学习方法在光伏电站遥感提取中的应用
    深度卷积神经网络超分重建技术驱动的卫星遥感影像融合研究
    用于遥感图像变化检测的不同深度神经网络研究
    结合面向对象与深度学习的高分辨率遥感图像分类研究
    航空遥感光电图像预处理与目标特征提取技术研究
    航空遥感的MAP超分辨方法
    融合多特征的深度学习光学遥感图像舰船目标识别方法研究
    遥感图像中飞机目标提取的深度学习方法研究
    遥感图像的特征降维及分层分类研究
    遥感图像目标检测技术研究
    遥感图像语义分割方法及其应用
    遥感图像配准及拼接处理方法研究
    遥感图像飞机目标检测方法研究
    遥感影像中的近岸舰船目标检测和细粒度识别方法研究
    遥感影像小样本目标识别研究
    遥感影像建筑物提取与深度学习
    遥感影像智能解译技术的研究与应用
    遥感影像超分辨率重建方法研究及其在水域监测中的应用
    遥感影像道路自动提取系统组件化设计与实现
    遥感数据与气象数据相融合的葡萄种植面积测算技术研究与应用
    遥感数据时空融合算法研究
    面向对象框架下基于深度学习的高分辨率遥感影像分类
    面向对象的高分辨率遥感图像深度特征提取与分类研究
    面向港口情报分析的遥感影像目标识别技术研究与实现
    面向遥感图像分类的神经网络迁移学习算法研究
    面向遥感影像的地物分割方法研究
    面向遥感影像的快速分类及精度评价方法研究
    面向高分辨率遥感影像场景深度特征的领域自适应方法研究
    顾及几何与拓扑特征的深度学习遥感影像道路提取
    高光谱高空间分辨率遥感影像建筑物提取及场景理解
    高分辨率可见光遥感图像船舶目标数据增强方法研究
    高分辨率多光谱卫星遥感影像中的语义分割方法研究
    高分辨率彩色遥感卫星影像的自动云检测算法研究
    高分辨率遥感图像中飞机目标自动检测方法研究
    高分辨率遥感图像的语义分割
    高分辨率遥感影像阴影检测与去除技术研究
    高分遥感图像地物信息提取方法及应用研究
    高分遥感图像海岸带变化监测技术研究
    高空间分辨率卫星遥感影像森林类型全卷积神经网络深度学习分类方法
    高速铁路沿线复杂结构环境隐患要素遥感检测方法研究
    更多相关内容
  • 深度学习与TensorFlow 2入门实战

    千人学习 2019-04-21 12:48:49
    亚洲排名第1的新加坡国立大学AI团队倾情打造,资深研究员龙龙老师主讲,帮助人工智能、深度学习初学者快速、深刻理解深度学习算法原理与实践。 【莫烦老师】权威推荐:在教学中,龙龙老师以简短高效的方式,从深度...
  • 基于深度学习的垃圾图像分类

    万人学习 2019-12-08 11:15:53
    Pytorch项目实战 垃圾分类 课程从实战的角度出发,基于真实数据集与实际业务需求,结合当下最新话题-垃圾分类问题为实际业务出发点,介绍最前沿的深度学习解决方案。     从0到1讲解如何场景业务...
  • 本系列课程利用MATLAB进行深度学习,课程将从数据集设置、模型搭建、模型训练、模型测试、模型评价等方面,深入介绍MATLAB深度学习工具箱。最后利用一个实例——多种果树病虫害识别。(这是最新版,2022年5月更新!...
  • 机器学习&深度学习系统实战!

    万人学习 2017-06-07 13:18:11
    数学原理推导与案例实战紧密结合,由机器学习经典算法过度到深度学习的世界,结合深度学习两大主流框架Caffe与Tensorflow,选择经典项目实战人脸检测与验证码识别。原理推导,形象解读,案例实战缺一不可!具体课程...
  • 深度学习相关资料

    千次下载 热门讨论 2015-09-23 19:11:03
    包括一份加了注释的深度学习工具箱,一份配套论文以及一份配套的PPT
  • 基于判别性特征学习的极化SAR图像分类 基于卷积神经学习表征框架的高光谱图像分类 基于卷积神经网络与邻域相关性的SAR图像分类算法研究 基于卷积神经网络的图像分类研究 基于卷积神经网络的图像分类研究 ...

    下面是该类的一些题目:

    题目
    基于三维卷积神经网络的高光谱遥感图像分类技术研究
    基于判别性特征学习的极化SAR图像分类
    基于卷积神经学习表征框架的高光谱图像分类
    基于卷积神经网络与邻域相关性的SAR图像分类算法研究
    基于卷积神经网络的图像分类研究
    基于卷积神经网络的图像分类研究
    基于反馈网络的高光谱图像分类方法研究
    基于堆栈稀疏自编码网络的空谱联合高光谱图像分类
    基于多元局部信息增强的复杂图像分类与目标检测
    基于多尺度空谱融合网络的高光谱图像分类
    基于弱监督学习的物体检测及其在图像分类中的应用
    基于无监督与半监督框架的医学图像分类关键技术研究
    基于深度卷积神经网络的图像分类方法研究及应用
    基于深度学习的SAR遥感图像分类方法研究
    基于深度学习的图像分类方法研究
    基于深度空间特征学习的极化SAR图像分类
    基于深度融合网络学习的多源遥感图像分类
    基于深度贝叶斯学习的极化SAR图像分类
    基于特征表示与编码的图像分类技术
    基于稀疏表示和深度学习的极化SAR图像分类
    基于空谱特征学习和深度网络的高光谱图像分类研究
    基于自适应卷积神经网络的高光谱图像分类方法研究
    小样本下的极化SAR图像分类问题研究
    遥感图像分类问题的集成学习方法与优化
    针对图像分类的对抗样本防御方法研究
    集装箱货物X光透视图像分类识别算法研究
    面向高分辨率遥感图像分类的域适应算法研究
    高光谱遥感图像分类技术研究
    SPNs结构学习及其在图像分类中的应用研究
    一种基于显著性的细粒度图像分类方法
    一类神经网络参数自适应更新与图像分类
    主动学习策略研究及其在图像分类中的应用
    人工智能引导的宫颈癌特殊染色图像分类算法研究
    全极化SAR图像分类的深度自步学习方法
    卷积神经网络在图像分类中的网络结构优化
    卷积神经网络在图像分类识别中的应用研究
    卷积神经网络的压缩与加速在遥感图像分类上的应用
    卷积神经网络的图像分类优化算法研究
    卷积神经网络的改进及其在图像分类中应用研究
    卷积网络算法研究及其在图像分类中的应用
    双级卷积神经网络高光谱图像分类
    图像分类任务中的胶囊网络方法研究
    图像分类及显著性目标检测关键技术
    图像分类技术在农作物病虫害分类问题中的研究与应用
    图像分类注意力机制研究及其在目标检测中的应用
    图像分类的深度神经网络模型和算法
    基于Attention-VNet的高光谱图像分类算法的研究
    基于CF-DBN的小样本空间SAR溢油图像分类研究
    基于CNN-ELM的冷冻电镜单颗粒图像分类研究
    基于CNN和迁移学习的室外天气图像分类研究与应用
    基于CNN的图像分类及在电商图片分类中的应用研究
    基于CNN的沥青路面病害图像分类识别研究
    基于FPGA的卷积神经网络图像分类算法硬件加速电路设计与实现
    基于Faster R-CNN算法的垃圾图像分类识别研究
    基于GAN网络的邻域自适应高光谱遥感图像分类方法的研究
    基于Gabor滤波深度网络的高光谱图像分类方法研究
    基于Group-teaching和视觉语义置信度指导样本融合的噪声标签图像分类算法研究
    基于Inception模块的医疗图像分类
    基于LSTM融合多CNN的事件图像分类研究
    基于ResNet模型的图像分类方法及应用研究
    基于ResNet的眼底图像分类及描述
    基于SGCN的脑出血图像分类方法研究
    基于SVM及CNN的湍流退化图像分类方法研究
    基于sparse coding的图像分类算法研究
    基于三流卷积神经网络图像分类算法的研究
    基于三维卷积胶囊网络的高光谱图像分类方法研究
    基于上下文判别性特征融合的图像分类算法研究
    基于不平衡样本集的白细胞图像分类方法的研究与实现
    基于主动学习和CNN的高光谱图像分类研究
    基于主动学习抽样策略的消化道图像分类方法研究
    基于主动学习的中式菜品图像分类研究
    基于主动学习的高光谱图像分类
    基于二分支卷积单元的图像分类算法
    基于互助深度学习的皮肤图像分类方法研究
    基于任务排序的增量学习方法的图像分类
    基于元学习框架的医学图像分类算法研究
    基于元学习的少样本图像分类方法研究
    基于全卷积神经网络与图嵌入的PolSAR图像分类方法研究
    基于全卷积神经网络的PolSAR图像分类研究
    基于全卷积网络和半监督学习的极化SAR图像分类
    基于兴趣域检测的图像分类方法研究
    基于分布式深度学习的商品图像分类算法研究与实现
    基于判别力特征提取网络的细粒度图像分类方法研究
    基于半监督学习和深度学习的高光谱图像分类方法研究
    基于半监督自步学习的跨任务深度网络应用于图像分类
    基于卷积神经网络图像分类方法研究及应用
    基于卷积神经网络的SAR图像分类
    基于卷积神经网络的SAR图像分类
    基于卷积神经网络的乳腺癌图像分类研究
    基于卷积神经网络的乳腺癌病理图像分类研究
    基于卷积神经网络的农作物病虫害图像分类研究
    基于卷积神经网络的医学图像分类方法研究
    基于卷积神经网络的医疗图像分类和分割研究
    基于卷积神经网络的口腔鳞癌病理切片图像分类与分割
    基于卷积神经网络的图像分类技术及应用
    基于卷积神经网络的图像分类改进算法的研究
    基于卷积神经网络的图像分类方法研究
    基于卷积神经网络的图像分类方法研究
    基于卷积神经网络的图像分类模型的研究与应用
    基于卷积神经网络的图像分类算法的研究
    基于卷积神经网络的图像分类算法研究
    基于卷积神经网络的图像分类算法研究
    基于卷积神经网络的图像分类算法研究
    基于卷积神经网络的图像分类算法研究
    基于卷积神经网络的图像分类算法研究
    基于卷积神经网络的场景文本检测与图像分类算法研究
    基于卷积神经网络的多任务深度学习商品图像分类方法
    基于卷积神经网络的多模态医学图像分类研究
    基于卷积神经网络的女装图像分类算法研究
    基于卷积神经网络的宫颈病变图像分类方法研究
    基于卷积神经网络的少样本图像分类方法研究
    基于卷积神经网络的带雨图像分类与修复
    基于卷积神经网络的数字组织病理图像分类算法研究
    基于卷积神经网络的极光图像分类
    基于卷积神经网络的极化SAR图像分类
    基于卷积神经网络的果实蝇细粒度图像分类研究
    基于卷积神经网络的海底火山烟雾图像分类
    基于卷积神经网络的病理图像分类
    基于卷积神经网络的监控图像分类研究
    基于卷积神经网络的竹种图像分类方法研究
    基于卷积神经网络的细粒度角膜炎图像分类研究
    基于卷积神经网络的绘画图像分类研究
    基于卷积神经网络的肺癌图像分类
    基于卷积神经网络的自然图像分类研究
    基于卷积神经网络的自适应空谱加权高光谱图像分类算法
    基于卷积神经网络的遥感图像分类和分割方法研究
    基于卷积神经网络的遥感图像分类研究
    基于卷积神经网络的遥感图像分类算法研究
    基于卷积神经网络的食物图像分类研究
    基于卷积神经网络的高光谱医学显微图像分类研究
    基于卷积神经网络的高光谱遥感图像分类技术研究
    基于卷积神经网络的高光谱遥感图像分类方法研究
    基于卷积神经网络的高速公路团雾图像分类的研究
    基于卷积网络的图像分类方法研究
    基于卷积胶囊网络的高光谱图像分类方法
    基于双流网络模型的细粒度图像分类研究
    基于双线性卷积神经网络的图像分类方法研究
    基于双线性卷积神经网络的细粒度图像分类方法研究
    基于双线性网络的细粒度鱼类图像分类算法研究
    基于双通道深度学习模型的美术绘画图像分类
    基于可抛堆叠受限玻尔兹曼机的图像分类方法
    基于可解释CNN的图像分类方法
    基于图像分类与目标定位的商标检测研究
    基于图像分类算法的自动化摘酒方法研究
    基于图像描述的外观设计专利图像分类研究与实现
    基于图嵌入和深度学习的高光谱图像分类
    基于图模型的高光谱图像分类
    基于堆栈Wasserstein自编码器与混合生成对抗网络的高光谱图像分类研究
    基于堆栈自动编码器的植物叶片图像分类研究
    基于增强深度学习的医疗MRI图像分类研究
    基于复值神经网络的PolSAR图像分类研究
    基于复杂网络和卷积神经网络的图像分类研究
    基于多任务卷积神经网络的服装图像分类与检索
    基于多尺度卷积神经网络的图像分类算法研究
    基于多尺度多场景迁移学习的高光谱图像分类算法研究
    基于多尺度池化的卷积神经网络图像分类方法研究
    基于多层卷积神经网络的服装图像分类与检索
    基于多核域自适应稀疏表示与深度卷积神经网络的图像分类方法研究
    基于多核学习的高光谱图像分类方法研究
    基于多模态表征的细粒度图像分类方法的研究
    基于多特征卷积神经网络的高光谱图像分类方法研究
    基于多结构卷积神经网络的高光谱图像分类
    基于多维度相关性的视觉艺术图像分类技术研究
    基于大规模网络数据的图像分类技术研究
    基于字典学习和Softmax深度堆栈网络的PolSAR图像分类
    基于字典学习的图像分类研究
    基于宽度学习和深度集成的图像分类
    基于对抗学习的细粒度鱼类图像分类
    基于小样本深度学习的图像分类算法研究
    基于度量学习的少样本图像分类的研究与应用
    基于度量学习的少样本图像分类研究
    基于弱标注数据的图像分类和目标跟踪问题研究
    基于改进capsule神经网络的高光谱图像分类
    基于改进半监督生成对抗网络的图像分类方法研究
    基于改进卷积神经网络的藻类图像分类研究
    基于改进的轻量级神经网络的图像分类方法
    基于数据增强的卷积神经网络高光谱图像分类技术研究
    基于旋转深度森林和深度滤波的高光谱图像分类
    基于无监督学习卷积脉冲神经网络的皮肤癌图像分类
    基于显著性检测和神经网络的图像分类系统的设计与实现
    基于机器学习及临床特征对乳腺肿瘤超声图像分类研究
    基于机器学习的全天空极光图像分类与割方法研究
    基于机器学习的刑侦图像分类与检索技术研究
    基于机器学习的皮肤病图像分类
    基于机器学习的高速公路团雾图像分类
    基于标签关联的图像分类方法研究
    基于样本扩充与深度学习的高光谱图像分类方法研究
    基于样本生成的多任务图像分类方法研究
    基于样本筛选的无监督领域自适应的图像分类研究
    基于模糊逻辑及深度学习的乳腺肿瘤图像分类方法
    基于正则化和深度迁移学习的图像分类研究
    基于残差级联网络的图像分类方法研究
    基于残差网络的高光谱图像分类算法研究
    基于注意力与上下文关联的多标签图像分类研究
    基于注意力和特征复用机制的图卷积神经网络的高光谱图像分类
    基于注意力机制+DenesNet的肺部X光图像分类算法
    基于注意力机制的CNN与稀疏ELM的高光谱图像分类
    基于注意力机制的图像分类深度学习方法研究
    基于注意力机制的细粒度图像分类及其应用研究
    基于注意力机制的细粒度图像分类方法研究
    基于注意力机制的细粒度图像分类方法研究
    基于流形网络的极化SAR图像分类
    基于浅层神经网络的糖尿病性视网膜病变图像分类问题研究
    基于深度主动学习的皮肤镜图像分类研究
    基于深度卷积神经网络和双域注意力机制的细粒度图像分类研究
    基于深度卷积神经网络的细粒度图像分类应用研究
    基于深度卷积神经网络的细粒度图像分类研究
    基于深度卷积神经网络的细粒度图像分类研究
    基于深度卷积神经网络的高光谱图像分类方法研究
    基于深度卷积网络特征优化的图像分类
    基于深度卷积网络的公路隧道裂缝图像分类识别
    基于深度卷积网络的可见光遥感图像分类与检测
    基于深度卷积网络的图像分类技术研究
    基于深度卷积网络的高光谱图像分类方法研究
    基于深度学习与条件随机场结合的遥感图像分类
    基于深度学习和噪声分析的SAR图像分类研究
    基于深度学习和稀疏表示的图像分类与检索方法研究
    基于深度学习和空谱联合的高光谱图像分类算法
    基于深度学习模型的图像分类方法研究
    基于深度学习模型的航拍图像分类研究
    基于深度学习的PolSAR图像分类与舰船检测方法
    基于深度学习的SPECT图像分类研究
    基于深度学习的X光安检图像分类算法研究
    基于深度学习的中草药图像分类方法研究
    基于深度学习的中餐菜品图像分类算法研究
    基于深度学习的乳腺图像分类和目标检测
    基于深度学习的乳腺图像分类研究
    基于深度学习的乳腺癌病理图像分类和分割
    基于深度学习的亚洲食物图像分类方法研究
    基于深度学习的医学图像分类技术研究
    基于深度学习的医学图像分类方法研究
    基于深度学习的医学图像分类研究
    基于深度学习的半监督高光谱图像分类
    基于深度学习的商品图像分类研究与实现
    基于深度学习的国画图像分类算法研究
    基于深度学习的图像分类与人脸识别算法研究
    基于深度学习的图像分类及目标定位
    基于深度学习的图像分类和人脸识别算法研究
    基于深度学习的图像分类和识别
    基于深度学习的图像分类技术研究
    基于深度学习的图像分类方法研究
    基于深度学习的图像分类方法研究
    基于深度学习的图像分类方法研究与应用
    基于深度学习的图像分类标注研究
    基于深度学习的图像分类的研究
    基于深度学习的图像分类算法研究
    基于深度学习的地表凝结图像分类研究
    基于深度学习的场景图像分类算法研究
    基于深度学习的多标签图像分类方法研究
    基于深度学习的多标签图像分类系统设计与实现
    基于深度学习的多标签场景图像分类研究
    基于深度学习的多标签服装图像分类研究
    基于深度学习的多特征图像分类方法及其应用
    基于深度学习的大规模商品图像分类研究
    基于深度学习的大规模多标签图像分类方法研究
    基于深度学习的太阳射电频谱图像分类
    基于深度学习的小样本图像分类方法研究
    基于深度学习的小样本图像分类方法研究
    基于深度学习的小样本图像分类研究
    基于深度学习的小样本高光谱图像分类
    基于深度学习的少样本图像分类方法
    基于深度学习的工业图像分类与检测系统设计
    基于深度学习的急性淋巴细胞白血病图像分类研究
    基于深度学习的服装图像分类与检索研究
    基于深度学习的服装外观专利图像分类研究
    基于深度学习的服饰图像分类和检索
    基于深度学习的标签传播的图像分类研究
    基于深度学习的标签含噪图像分类研究
    基于深度学习的水下声纳图像分类方法研究
    基于深度学习的海洋牧场水下生物图像分类和目标检测
    基于深度学习的生活垃圾图像分类方法研究
    基于深度学习的甲状腺癌病理图像分类方法研究
    基于深度学习的番茄叶片图像分类研究
    基于深度学习的白内障眼底图像分类研究
    基于深度学习的稻种图像分类算法研究
    基于深度学习的稻飞虱图像分类识别的研究
    基于深度学习的空谱联合高光谱图像分类算法及系统实现
    基于深度学习的精细图像分类算法研究
    基于深度学习的糖尿病性视网膜图像分类研究
    基于深度学习的糖尿病性视网膜病变图像分类研究
    基于深度学习的纹理图像分类方法研究
    基于深度学习的细粒度图像分类方法研究
    基于深度学习的细粒度图像分类方法研究
    基于深度学习的细粒度图像分类研究
    基于深度学习的细粒度图像分类算法研究
    基于深度学习的肝囊型包虫病CT图像分类方法研究
    基于深度学习的肺灌注图像分类研究
    基于深度学习的肺炎医学CT图像分类算法研究
    基于深度学习的肺部图像分类研究
    基于深度学习的艺术图像分类算法研究
    基于深度学习的花卉图像分类研究
    基于深度学习的花卉图像分类算法研究
    基于深度学习的花卉图像分类识别模型研究
    基于深度学习的菜品图像分类方法研究
    基于深度学习的视网膜病变图像分类研究
    基于深度学习的遥感图像分类技术研究
    基于深度学习的遥感图像分类研究
    基于深度学习的遥感图像分类研究
    基于深度学习的遥感图像分类算法研究
    基于深度学习的铁谱图像分类
    基于深度学习的铁轨损伤图像分类研究
    基于深度学习的阴道微生态病理图像分类识别技术研究
    基于深度学习的阿尔茨海默症MRI图像分类研究与实现
    基于深度学习的非均衡细粒度和少样本图像分类研究
    基于深度学习的面向对象高分辨率震害图像分类研究
    基于深度学习的高光谱图像分类
    基于深度学习的高光谱图像分类
    基于深度学习的高光谱图像分类
    基于深度学习的高光谱图像分类
    基于深度学习的高光谱图像分类及参数设置研究
    基于深度学习的高光谱图像分类和异常检测研究
    基于深度学习的高光谱图像分类方法的研究
    基于深度学习的高光谱图像分类方法研究
    基于深度学习的高光谱图像分类方法研究
    基于深度学习的高光谱图像分类方法研究
    基于深度学习的高光谱图像分类方法研究
    基于深度学习的高光谱图像分类的研究
    基于深度学习的高光谱图像分类研究
    基于深度学习的高光谱图像分类算法研究
    基于深度学习的高光谱图像分类算法研究
    基于深度学习的高光谱图像分类问题研究
    基于深度学习的高光谱遥感图像分类
    基于深度学习的高光谱遥感图像分类
    基于深度学习的高光谱遥感图像分类
    基于深度学习的高光谱遥感图像分类研究
    基于深度学习的高分辨率SAR图像分类算法研究
    基于深度学习的高分辨率卫星图像分类研究
    基于深度学习的鼻咽癌与心脏MRI医学图像分类与分割研究
    基于深度学习空谱特征提取的高光谱图像分类
    基于深度学习纹理特征的虹膜图像分类
    基于深度对抗学习的极化SAR图像分类
    基于深度度量学习和前向传播的高光谱图像分类
    基于深度度量学习的小样本图像分类
    基于深度排序学习的零样本多标签图像分类
    基于深度模型迁移学习的花卉图像分类方法
    基于深度特征提取与条件随机场的高分辨率SAR图像分类
    基于深度特征迁移与融合的乳腺超声图像分类
    基于深度神经网络与特征编码的图像分类
    基于深度神经网络的空谱联合高光谱图像分类
    基于深度神经网络的细粒度图像分类方法研究
    基于深度神经网络的衣服图像分类与检索
    基于深度胶囊网络的高光谱及高空间分辨率遥感图像分类
    基于深度表示学习的小样本图像分类的研究
    基于深度迁移学习的图像分类方法研究
    基于深度迁移学习的细胞显微图像分类算法
    基于深度迁移学习的遥感图像分类方法研究
    基于深度迁移学习的遥感图像分类问题研究
    基于深度迁移学习的高光谱图像分类方法研究
    基于深度随机森林和知识蒸馏的高光谱图像分类
    基于点击预测的图像分类研究
    基于特征融合与显著性重采样的细粒度图像分类方法
    基于特征融合的乳腺组织病理图像分类研究
    基于特征融合的卷积神经网络家具图像分类算法研究
    基于生成对抗网络的半监督图像分类研究
    基于生成对抗网络的特征金字塔与局部聚合编码半监督图像分类
    基于生成对抗网络的零样本图像分类研究
    基于生成对抗网络的高光谱图像分类
    基于知识蒸馏的输电线路螺栓缺陷图像分类
    基于神经网络架构搜索的医学超声图像分类和分割
    基于神经网络的高光谱图像分类算法研究
    基于稠密卷积神经网络的贝类图像分类识别研究
    基于空间信息和长短时记忆网络的极化SAR图像分类
    基于空间信息的极化SAR图像分类
    基于空间金字塔池化的卷积神经网络图像分类算法
    基于粒径分布的圆形粒子扫描电镜图像分类研究
    基于级联支持向量机和Gabor卷积网络的高光谱图像分类
    基于统计分布和深度置信网的SAR图像分类
    基于胶囊神经网络的高光谱遥感图像分类研究
    基于胶囊网络的复杂小样本图像分类研究
    基于胶囊网络的多标签图像分类和语义分割
    基于脉冲神经网络的视觉图像分类方法研究
    基于自动设计神经网络的医学图像分类方法研究
    基于自编码降维与相似度度量的医学图像分类研究
    基于自适应学习的少样本图像分类问题研究
    基于视觉混淆特性的图像分类算法研究
    基于语义知识的零样本图像分类方法研究
    基于软阈值注意力的弱监督细粒度图像分类网络的研究
    基于轻量化卷积神经网络的图像分类研究
    基于轻量级神经网络的高光谱图像分类研究
    基于迁移卷积神经网络的图像分类应用研究
    基于迁移学习的小样本航拍场景图像分类研究与实现
    基于迁移学习的花卉图像分类模型与算法研究
    基于迁移学习的遥感图像分类研究
    基于部件检测和视觉特征的服装图像分类方法研究
    基于部件的细粒度图像分类方法研究
    基于重构正则化的深度度量学习的多标签图像分类的研究
    基于金字塔残差结构和注意力机制的高光谱图像分类研究
    基于鉴别性半监督字典学习的图像分类算法研究与实现
    基于长短时记忆网络的高光谱图像分类
    基于随机森林的深度网络模型及其在图像分类上的应用
    基于集成卷积神经网络的图像分类研究
    基于风格迁移的图像分类技术研究
    基于高层特征的光学遥感图像分类
    复杂环境下图像分类与标注
    多层Laplacian稀疏编码的图像分类算法研究
    多模态阿尔兹海默病图像分类方法的研究
    多重注意力机制融合的细粒度图像分类算法研究
    小样本下基于深度卷积和对抗网络的高光谱图像分类
    小样本下基于深度学习的高光谱图像分类
    小样本下基于生成对抗网络的高光谱图像分类
    小样本图像分类与生成算法实现与性能分析
    小样本条件下的遥感图像分类方法研究
    少样本下的图像分类与检测
    改进CNN的图像分类模型研究
    数据分析技术在图像分类中的应用
    无监督领域自适应的水下声呐图像分类方法研究
    机器学习在婴幼儿粪便图像分类中的研究与应用
    注意力与深度学习相结合的细粒度图像分类
    深度学习在SAR图像分类中的应用研究
    深度学习在图像分类中的应用
    深度学习在弱监督多标号图像分类中的研究与应用
    深度学习在胎儿超声图像与皮肤镜图像分类中的研究与应用
    深度学习在视网膜光学相干层析图像分类与分割中的应用研究
    深度学习在高光谱图像分类中的应用
    深度学习在高光谱图像分类中的应用研究
    深度学习框架下基于特征融合的天气图像分类
    深度度量学习与条件随机场研究
    深度强化学习在图像辅助控制及图像分类中的应用研究
    深度迁移学习在高光谱图像分类中的应用
    用于图像分类和目标检测的混合空洞卷积神经网络研究
    细粒度图像分类方法研究
    细粒度图像分类方法研究
    细粒度图像分类算法研究
    结合自适应邻域和半监督主动学习的高光谱图像分类
    结合面向对象与深度学习的高分辨率遥感图像分类研究
    融合多层感知机与残差学习的乳腺病理图像分类算法研究
    融合深度学习的图像分类算法研究
    融合深度学习的无监督路面裂缝图像分类方法研究
    融合深度强化学习和关系网络的图像分类研究
    迁移学习与卷积神经网络在乳腺钼靶图像分类中的应用研究
    针对图像分类的对抗样本防御方法研究
    针对瓷砖的图像分类研究
    钣金折弯件微裂纹图像分类研究
    集成代价敏感和深度学习技术的图像分类
    零样本学习中的细粒度图像分类研究
    面向图像分类的CNN特征提取和结构优化
    面向图像分类的特征选择方法
    面向小数据与弱监督的深度图像分类
    面向小样本图像分类的度量元学习方法研究
    面向小样本图像分类的深度学习方法研究
    面向情感语义的图像分类及语言描述方法研究
    面向组织病理图像分类的稀疏表示方法研究
    面向遥感图像分类的卷积神经网络抗噪优化方法
    面向遥感图像分类的神经网络迁移学习算法研究
    展开全文
  • 深度学习工作站配置推荐

    千次阅读 2021-07-09 08:27:55
    目前只有Nvida GPU能完整的支持深度学习,所以请购买较新的nvidia显卡(pascal、turing架构以上)2.GPU上的投资回报比基本呈线性变化,因此可以按照自己的需要配置不同GPU。3.保持工作站长期稳定工作需要一个靠谱的...

    在具体的论述之前,先说几个结论:

    1.目前只有Nvida GPU能完整的支持深度学习,所以请购买较新的nvidia显卡(pascal、turing架构以上)

    2.GPU上的投资回报比基本呈线性变化,因此可以按照自己的需要配置不同GPU。

    3.保持工作站长期稳定工作需要一个靠谱的电源,所以在电源选择上追求稳定。

    4.在现有预算下,GPU>CPU=RAM>=SSD

    5.云服务用起来简单,长期使用却十分昂贵,所以我们要有自己的硬件设施。

    1.需求分析

    (一)为什么要为深度学习专门配置工作站(服务器)?

    1.深度学习需要大量的并行计算资源,而且动辄计算几天甚至数周,而显卡(GPU)恰好适合这种工作,提供几十上百倍的加速,性能强劲的GPU能在几个小时内完成原本CPU需要数月完成的任务,所以目前深度学习乃至于机器学习领域已经全面转向GPU架构,使用GPU完成训练任务。

    2.如今即使使用GPU的深度学习任务也要持续数天乃至数月(取决于数据规模和深度学习网络模型),需要使用单独的设备保障保证训练任务能够7x24小时长期稳定运行。

    3.独立的深度学习工作站(服务器)可以方便实现实验室计算资源共享,多用户可以在个人电脑编写程序,远程访问到深度学习服务器上排队使用计算资源,减少购买设备的开支并且避免了在本地计算机配置复杂的软件环境。

    (二)深度学习工作站配置要求

    深度学习任务对计算机性能要求较高,各硬件主要完成以下操作:

    1f67a9f55ae7

    深度学习计算过程

    上述图示,深度神经网络计算大致流程,下面通过深度神经网络计算环节,分析核心硬件配置理想要求:

    1f67a9f55ae7

    各硬件性能要求

    CPU:

    因为主要使用显卡进行cuda计算,因此对CPU的要求并不是很高,频率越高、线程数越多越好,一般最低要求cpu核心数大于显卡个数。其中一个制约因素:cpu的最大PCI-E 通道数。每张显卡占用16条pcie通道才能达到最大性能,而单cpu最大支持40条pcie,也就是即使有4个pcie x16接口,只能最多达到2路x16加一路x8,插上的显卡不能发挥全部性能。不过,主板芯片组其实也可以扩充一部分pcie通道。(x99主板可以扩宽2.0的8lanes,z170可以扩充3.0的20lanes)

    显卡:

    深度学习需要较强性能的显卡进行复杂的单精度运算,通常神经网络需要大量显存和内存资源,因此需要8GB以上显存才能运行大规模的深度卷积网络,执行计算机视觉任务,一般选择GTX1070以上配置。应该购买具有较大显存的显卡。下面给出2080ti、2080、2070、1080ti、1070、1060、Titan X、Titan V的几项指标的对比:

    TFLOPS(teraFLOPS FLoating-point Operations Per Second每秒浮点运算次数)单精度

    也就是运算性能,决定了运算速度,首选1080ti、2080ti、Titan V,不过性能最强的titan V的价格是2080ti的三倍

    1f67a9f55ae7

    单精度算力

    VRAM (显存):显存大小决定了我们的网络模型能不能执行,大型的卷积神经网络会使用超过8G以上的显存,因此购买具有大显存的显卡才能够保证大多数卷积神经网络模型能够顺利执行。

    1f67a9f55ae7

    显存大小

    其中1080ti具有11G显存,能胜任较大的网络模型,性能也比较强,售价大约5000元一张具有最高的性价比。

    2080ti是最新的显卡,同样拥有11G显存,但速度是1080TI的1.5倍,售价大约9000元。

    Titan V具有12G显存,可以说能够执行绝大多数网络,并且速度是最快的,由于是面向商用,所以其价格也非常感人,约25000元一块。

    这三款较为适合深度学习图像处理任务,能完成大多数网络,可以根据预算自由选择。8G显存和6G显存的1080和1060也不失为信价比之选,但是考虑到显存的限制,还是尽量购买具有11G以上的显存的显卡。

    主板:

    前面提到了cpu提供的pcie通道数的限制,如果要使用多块显卡,就需要主板提供额外的pcie通道,一般只有服务器级别的主板才会提供扩展pcie通道如x99、x299等主板,但是使用此类主板必须搭配具有该接口的服务器级cpu(xeon系列、i7 7900x以上、i9系列等),如果不需要三块以上的显卡,使用cpu提供的40lane pcie即可。

    内存:

    深度学习需要大量数据,中间计算过程也会临时储存大量数据,一般要求具有显存2~3倍的内存,32G或64G乃至更高。内存频率越高越好。

    最低建议32G DDR4 3200MHz内存(16G*2)约2000元,预算宽裕可升级到64G(约4000元)。

    硬盘:

    深度学习需要大量数据,和较快的访问速度,一般使用一个较大的固态硬盘作为系统盘和训练数据仓储盘,另外使用hdd机械硬盘作为仓储盘。

    建议使用512G以上nVME固态硬盘(800元)搭配几TB(2TB约300元)Hdd作为储存空间

    电源、机箱:电源其实还是要买个比较稳定的,因为要保证长期稳定运行会有“无休止”的training。一般使用大品牌的经过80PLUS金牌或铂金认证的电源。只搭配一张显卡700w即可,每多一张增加400w。4*titan V大概使用1600w电源。

    显示器:显示器就是生产力,两到三台没问题。这是我的工作环境,两台显示器,一台查看运行状态,另一个查文献资料调试。

    1f67a9f55ae7

    6.jpg

    2.配置推荐

    讲完了基本需求,我们来到正题,推荐几个不同价位的配置样板,分别是

    0.深度学习入门配置 i5 8400+GTX 1060/1070/1070ti +16G RAM +256G SSD 约7000元,这个配置基本上可以尝试大部分模型,如今的网络模型越来越大、越来越深,不免遇到显存不足的情况。不过学习是一个循序渐进的过程,等到你的知识到了需要更高规格的设备,自然知道需要什么样的配置了

    1.深度学习个人进阶配置 i7 8700K+GTX 1080TI+32G RAM +512G SSD ,约15000元。有这样一个配置,大多数深度学习项目基本上不会遇到问题,如果有更深层次的需求,到了需要上集群的高水平,应该也知道需要什么样的配置了。我的建议就不管用了。。。

    2.深度学习个人完美配置,i7 9700K+GTX 2080TI2或者GTX TItan V1+64G RAM +2T SSD。约三万元,如果使用双2080TI (20000)元就能在保持高性价比的前提下拥有单台电脑相对最快的速度,使用GTX TITAN V 就达到了当前单显卡算力巅峰,并且能够完成少数显存使用超过11G的模型。

    3.深度学习实验室共享服务器,724小时运行 2080ti或者4titan V 其实前两个配置也可以拿来做共享服务器,不过计算资源太少,预算充裕可以专门购置一台高性能多显卡深度学习服务器,24*7小时运行,其他用户可以在自己的笔记本电脑和台式机上编写和初步调试卷积神经网络,本地验证无误后,上传至服务器进行训练任务。这样做可以极大的节省设备开支,最大限度的利用计算资源,也避免了每个用户单独配置复杂的软件环境。

    4.深度学习实验室共享服务器单机最高配置。基本上是单台服务器能提供的最高配置,如果要更高配置,可以模仿大型商业研究院在此基础上构建服务器集群。(相当于购买很多台这种配置,使用高速以太网互联。。一个10GE交换机可能要几万块)

    0. 深度学习个人入门配置

    i5 8400+GTX 1060/1070/1070ti +16G RAM +256G SSD 约7000元,这个配置基本上可以尝试大部分模型,如今的网络模型越来越大、越来越深,不免遇到显存不足的情况。不过学习是一个循序渐进的过程,等到你的知识到了需要更高规格的设备,自然知道需要什么样的配置了

    1f67a9f55ae7

    image.png

    1.深度学习个人进阶配置

    i7 9700K+GTX 2080TI2或者GTX TItan V1+64G RAM +2T SSD。如果使用双2080TI (20000)元就能在保持高性价比的前提下拥有单台电脑相对最快的速度,使用GTX TITAN V 就达到了当前单显卡算力巅峰,并且能够完成少数显存使用超过11G的模型。

    1f67a9f55ae7

    image.png

    可以在此基础上将显卡更换为2080ti(性能为1080ti的1.5倍,价格翻一倍 约9000元)或显存12G的titan V,达到单卡性能巅峰

    2.深度学习个人完美配置

    i7 9700K+GTX 2080TI2或者GTX TItan V1+64G RAM +2T SSD。约三万元,如果使用双2080TI (20000)元就能在保持高性价比的前提下拥有单台电脑相对最快的速度,使用GTX TITAN V 就达到了当前单显卡算力巅峰,并且能够完成少数显存使用超过11G的模型。

    1f67a9f55ae7

    image.png

    将显卡换为1080ti可以省一半的钱

    1f67a9f55ae7

    image.png

    3.深度学习实验室共享服务器

    724小时运行 2080ti或者4titan V 其实前两个配置也可以拿来做共享服务器,不过计算资源太少,预算充裕可以专门购置一台高性能多显卡深度学习服务器,24*7小时运行,其他用户可以在自己的笔记本电脑和台式机上编写和初步调试卷积神经网络,本地验证无误后,上传至服务器进行训练任务。这样做可以极大的节省设备开支,最大限度的利用计算资源,也避免了每个用户单独配置复杂的软件环境。

    1f67a9f55ae7

    image.png 显卡换为1080ti可以省一些,主板也可以替换为5000元左右的支持四路显卡sli的

    1f67a9f55ae7

    image.png

    4.深度学习实验室共享服务器单机最高配置

    基本上是单台服务器能提供的最高配置,如果要更高配置,可以模仿大型商业研究院在此基础上构建服务器集群。

    1f67a9f55ae7

    image.png

    4.显示器

    显示器当然越多越好,2-3台差不多,虽然多数任务可能都是在笔记本上完成。

    5.最后是机箱

    既然是科研设备,机箱一定要看起来有排面,一般深度学习服务器除了机柜式的以外都使用海盗船的这一款机箱

    1f67a9f55ae7

    1f67a9f55ae7

    各种服务商卖的深度学习主机也差不多就这样,注意不要被忽悠购买Tesla P系列商用计算卡,虽然是商用卡,但是性能同等的情况下比 gtx和rtx系列要贵几倍

    1f67a9f55ae7

    这是商家大概给的推荐。

    1f67a9f55ae7

    一般供应商给的配置差不多是靠谱的,就是会在有些零件用特殊渠道产品。有的商家给的配置性价比不高,比如说配置里无脑推荐titan V,25000一块,能买五张有它60%性能的1080ti,毕竟无奸不商,需要购机的朋友可以参考本文自行斟酌需要的配置,精打细算一番。唉,说多了都是泪

    展开全文
  • 什么是深度学习

    千次阅读 2022-03-15 19:14:37
    深度学习没有标准定义,但总的来说,深度学习是机器学习(ML)的一种,主要可以看作是人工神经网络(ANNs)的高级模型。这些技术被用作实现人工智能 (AI) 的工具

    什么是深度学习?

    一、什么是深度学习

    深度学习没有标准定义,但总的来说,深度学习是机器学习(ML)的一种,主要可以看作是人工神经网络(ANNs)的高级模型。这些技术被用作实现人工智能 (AI) 的工具。
    事实上,深度学习从 1950 年代就开始研究。换句话说,深度学习并不是一个新概念,而是一项历史悠久的技术。各时期的主要特点如下:

    1950年代出现的感知机可以说是人工神经网络的开端。此后,人工神经网络研究在 1960 年代得到了积极的开展。然而,在 1969 年,一本名为《感知器》的书出版了,它揭示了感知器的致命局限性并包含了证明。然后,在 1970 年代,我们进入了一个黑暗时代,人工神经网络被许多学者所忽视。

    1980年代,人工神经网络研究再次开始受到关注。这可以归因于这样一个事实,即在 1986 年设计了一种通过应用误差反向传播来学习多层人工神经网络的方法。在这个时代,深度神经网络 (DNN)、循环神经网络 (RNN) 和卷积神经网络 (CNN) 得到了发展。

    在 1990 年代,出现了高级形式的人工神经网络。1997 年发布了高级循环神经网络 LSTM,1998 年发布了高级卷积神经网络 LeNet-5。

    2000 年代,人工神经网络以深度学习的名义开始受到关注。知名信息技术研究机构 Gartner 将深度学习列为十大战略技术。

    2010 年代,谷歌的 Deep Mind 发布了著名的 AlphaGo。此后,深度学习在韩国受到了爆炸式的关注。

    二、深度学习需要解决的问题

    分类

    找出数据的类别是一个问题。一个例子是根据长度、宽度、高度、车轮尺寸和发动机马力等特征将汽车分为以下类别之一的问题:轻型汽车、半中型汽车、中型汽车和大型汽车。

    聚类

    这是分组数据实例的问题。换句话说,它是一组具有相似特征的数据实例。例如,查看汽车的长度、宽度、高度、车轮尺寸和发动机马力等特征,并将相似的实例组合在一起。需要人工干预才能将分组结果确定为第 1 组的紧凑型汽车、第 2 组的半紧凑型汽车等。

    回归

    问题是找出不完整数据的价值。例如,在一个数据实例中,如果您知道汽车的宽度、高度、车轮尺寸和发动机马力等特征,但不知道长度,您可以预测由不完整数据组成的实例的长度特征。关于其他数据实例的值。。

    每个问题都可以从机器学习的角度来解决,学习方法又可以分为监督学习、无监督学习和强化学习。

    监督学习

    它是一种训练标记数据的方法,主要处理分类和回归问题。它相对容易学习和有效,因为有标签意味着有正确的答案。但是,按数据标记通常很昂贵。成本可以是金钱、时间,或者在许多情况下两者兼而有之。训练数据海量,从上亿到上千万,甚至更多。有时人类不可能标记这些数据。

    无监督学习

    如何训练未标记的数据。主要用于对数据进行分组或分析数据的特征。由于无监督学习正在分析没有正确答案的数据,因此无需标记数据。这意味着准备数据的成本更低。然而,在许多情况下,需要人工干预来确定所分析集群的含义。

    三、深度学习发展历程

    最近备受关注的深度学习其实有着悠久的历史。本章介绍被认为是深度学习的深度神经网络,从感知机(可以说是深度学习的开端)到高级人工神经网络。

    感知机

    感知机是弗兰克·罗森布拉特在 1957 年设计的基本人工神经网络。感知机的结构如下图所示。
    在这里插入图片描述
    感知器有一个激活函数,如果输入值和偏差值乘以权重并求和,即如果“权重乘积之和”超过阈值,则输出 1,否则输出 0。这里要注意的一件事是输出值为 0 或 1。用公式表示:
    在这里插入图片描述

    如上所述,但再次使用公式中使用的符号。z 是加权乘积的总和,即输入乘以权重的总和。h(z)是激活函数z如果大于阈值则输出 0,否则输出 0。

    X0是偏差值和X一从现在开始,每一个输入值都会被表示出来,让我们看看两者之间有什么区别。输入从外部进入感知机,但偏差是工程师(我们)在构建感知机时设置的值。产生偏差的原因是使阈值为零。设置阈值可能很困难或不可能,而零阈值也可以更容易地实现激活函数。如果bias设置为1,学习过程w0它近似于此(阈值×-1)。

    激活函数

    人工神经网络是多层感知器的稍微高级一点的模型。神经网络由输入层、隐藏层和输出层组成。
    在人工神经网络中,隐藏层中有各种激活函数。
    激活功能模拟活神经细胞的突触小泡,当电位超过一定值时,小泡爆裂,成为突触之间的连接,发挥作用。但是,根据激活函数,可能会转换要传递给下一个感知机的值。神经网络的效率取决于激活函数的类型,这与误差反向传播过程中的梯度损失问题有关。如果你有兴趣,请参考人工智能方面的书籍。

    阶跃函数

    阶跃函数是前面在感知器中讨论的激活函数。如果权重乘积之和小于 0,则感知器中的阶跃函数返回 0,如果大于 0,则返回 1。可以设置step函数返回的不同值。例如,以下公式中的阶跃函数返回 -1 或 1
    在这里插入图片描述

    relu 函数

    relu 函数是一个激活函数,如果权重乘积之和大于 0,则返回原样,如果小于 0,则返回 0。这可以表示为如下公式:
    在这里插入图片描述

    线性函数

    线性函数是具有相同输入和输出的线性函数。线性函数的形状实际上就是一条直线。
    在这里插入图片描述

    sigmoid函数

    sigmoid 函数是一个激活函数,它返回调整为 0 和 1 之间值的权重乘积之和。sigmoid函数也称为逻辑函数,公式如下:
    在这里插入图片描述
    sigmoid函数的特点是,当权重乘积之和从0增加到正或负时,返回的值变化很快,绝对值在2.5以上时变化不大。你可以改变这个 S 形,但是深度学习通常会按原样使用它。
    在这里插入图片描述

    双曲正切函数

    双曲正切(tanh 函数)的形状类似于 sigmoid 函数。双曲正切函数返回的值范围从-1到1,当加权乘积之和从0增加到正或负时,变化比sigmoid函数更快。双曲正切函数的公式如下:在这里插入图片描述
    双曲正切函数曲线如下:
    在这里插入图片描述

    展开全文
  • 什么是深度学习 深度学习有如下一些众所周知且被广泛接受的定义。 (1)深度学习是机器学习的子集。 (2)深度学习使用级联的多层(非线性)处理单元,称为人工神经网络(ANN),以及受大脑结构和功能(神经元)...
  • 深度学习发展概述

    千次阅读 2020-05-04 23:39:10
    什么是深度学习 深度学习如何工作 什么是深度学习神经网络? 深度学习方法 深度学习应用示例 深度学习有什么用? 局限与挑战 深度学习与机器学习 深度学习发展历史 什么是深度学习 深度学习是机器学习(ML...
  • 深度学习发展历程全讲解

    千次阅读 2020-11-24 10:48:08
    深度学习发展历程 的 地方 发
  • 深度学习中的深度是指什么Data science is revolutionizing many fields; from robotics to medicine, and everything in between. This revolution is partly due to advances in research, computing power, ...
  • 人工智能——深度学习

    万次阅读 多人点赞 2022-02-28 13:52:38
    深度学习,卷积神经网络等。
  • 在机器学习的算法中,深度学习是特指利用深度神经网络的结构完成训练和预测的算法。 机器学习是实现人工智能的途径之一,而深度学习则是机器学习的算法之一。如果把人工智能比喻成人类的大脑,机器学习则是人类...
  • 深度学习方法及应用 完整版

    热门讨论 2016-05-13 01:03:31
    这本书对深度学习方法以及它在各种信号与信息处理任务中的应用进行了概述。本书中所列举的应用是根据以下三个标准来选取的:(1)本书作者所具备的专业技能和知识;(2)由于深度学习技术的成功应用而取得了重大突破...
  • 深度学习与计算机视觉

    千人学习 2020-07-13 17:12:35
    】 1、零基础入门计算视觉,学习掌握并应用从经典图像处理到深度学习分类任务的要点知识 2、掌握数据增强,迁移学习等优化技巧,搭建实用的深度学习应用模型 3、学习完课程,可以独立应用多个经典算法和深度学习算法...
  • 基于AI深度学习的缺陷检测系统

    千次阅读 2022-01-06 18:21:55
    深度学习技术在工业装备检测系统的实现步骤 步骤1:准备阶段,样本采集。目标缺陷都分布在目标样本中,此时,需要对样本分类进行图片采集。一般在采集的同时通过图像定位,使样本保持在同样的位姿。东莞市精驰技术...
  • 主流深度学习算法简介

    千次阅读 2022-03-02 16:37:58
    深度学习算法简介
  • 深度学习入门笔记(一):深度学习引言

    万次阅读 多人点赞 2019-09-09 18:02:57
    第一门课 神经网络和深度学习(Neural Networks and Deep Learning) 文章目录第一门课 神经网络和深度学习(Neural Networks and Deep Learning)第一周:深度学习引言(Introduction to Deep Learning)1.1 欢迎...
  • 深度学习原理流程以及过程

    千次阅读 多人点赞 2021-01-05 18:06:31
    一、什么是深度学习 二、深度学习的流程 2.1 数据预处理 2.2 训练模型 2.3
  • 原文地址:《一文看懂深度学习(白话解释+8个优缺点+4个典型算法)》 深度学习有很好的表现,引领了第三次人工智能的浪潮。目前大部分表现优异的应用都用到了深度学习,大红大紫的 AlphaGo 就使用到了深度学习。 ...
  • 详解 6 大主流深度学习框架

    千次阅读 2022-02-26 00:11:30
    导读:近几年,随着深度学习的爆炸式发展,相关理论和基础架构得到了很大突破,它们奠定了深度学习繁荣发展的基础。这其中涌现了几个著名的深度学习平台,本文将对这些平台进行简要介绍。作者:涂铭 金...
  • 深度学习是机器学习的一个子领域,它采用了一个特定的模型:一族通过某种方式连接起来的简单函数。由于这类模型的结构是受到人类大脑结构的启发而创造出来的,因此我们通常把它们称为神经网络(neural networks)。...
  • 深度学习(Deep Learning)被《麻省理工学院技术评论》杂志列为2013年十大突破性技术之首。 自2006年以来,深度学习在学术界持续升温。 但目前系统性地介绍 深度学习 技术的资料相对较少。 本资源里包括介绍深度学习...
  • 深度学习100例 | 第35天:脑肿瘤识别

    千次阅读 2021-12-21 14:46:23
    小白入门深度学习 | 第一篇:配置深度学习环境 小白入门深度学习 | 第二篇:编译器的使用-Jupyter Notebook 小白入门深度学习 | 第三篇:深度学习初体验 小白入门深度学习 | 第四篇:配置PyTorch环境 小白入门深度...
  • 掌握使用keras解决深度学习主要问题(神经网络、卷积神经网络、循环神经网络),以及深度学习主要内容:神经网络、卷积神经网络、循环神经网络;案例简介。   第二部分,深度学习之多层感知器(MLP)。主要学习...
  • 深度学习之图像算法

    千次阅读 2022-03-25 19:35:43
    1.Python深度学习环境搭建——Python环境管理 仓库:https://github.com/2012Netsky?tab=repositories 文章目录 1.Python深度学习环境搭建——Python环境管理 前言 一、Python 安装及使用 1.访问Python官网下载需要...
  • 深度学习图像去噪

    千次阅读 2022-03-07 00:56:35
    最近几个月的项目中图像噪声一直是我最大的困扰,能够找到一种好并且快的去噪方式对于项目的进度与最终效果都起着关键的作用。最近几年深度学习去噪也是一个热门的方向,有着许多显著的研...
  • 深度学习(1): 深度学习简介

    万次阅读 多人点赞 2019-08-09 11:10:29
    文章目录1 什么是深度学习?2 深度学习应用2.1 机器学习的一般方法2.2 深度学习的一般方法3 GPU的迅速发展3.1 GPU与显卡的区别3.2 GPU 与 CPU 区别3.3 GPU种类参考资料 注:转载请标明原文出处链接:...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 1,006,770
精华内容 402,708
关键字:

深度学习