资讯中心

2025-04-28
卷积神经网络迁移学习

在大规模图像数据上训练的卷积神经网络，如在 ImageNet 上训练的模型，会学习到大量通用的图像特征，例如边缘、纹理、形状等低级特征，以及更高级的物体部件、类别相关的特征。
2025-04-25
卷积神经网络常用结构

卷积神经网络（CNN）经过多年的发展，涌现出了许多经典且实用的网络结构。这些结构在不同的图像识别、目标检测、语义分割等任务中展现出了卓越的性能。
2025-04-23
卷积神经网络常用结构

卷积神经网络（CNN）经过多年的发展，涌现出了许多经典且实用的网络结构。这些结构在不同的图像识别、目标检测、语义分割等任务中展现出了卓越的性能。
2025-04-21
卷积神经网络

卷积神经网络（Convolutional Neural Network，缩写 CNN）是一种专门为处理具有网格结构数据（如图像、音频）而设计的深度学习模型，在图像识别、目标检测、语义分割等诸多领域取得了巨大成功。
2025-04-18
图像识别问题简介及经典数据集

图像识别作为人工智能和计算机视觉领域的关键技术，具有重要的研究意义和广泛的应用价值。
2025-04-16
MNIST数字识别问题

MNIST 是一个广泛使用的手写数字图像数据集，包含 60,000 张训练图像和 10,000 张测试图像，图像为 28x28 像素的灰度图，代表 0-9 的手写数字。
2025-04-14
神经网络进一步优化中滑动平均模型

在神经网络进一步优化中，滑动平均模型（Exponential Moving Average, EMA）是提升模型泛化能力的经典方法。它通过对参数进行指数加权平均，平滑训练过程中的噪声震荡，从而得到更稳定的模型。
2025-04-11
神经网络进一步优化中过拟合问题

在神经网络进一步优化中，过拟合问题是模型泛化能力不足的核心挑战。
2025-04-10
神经网络进一步优化

在神经网络优化中，除了基础的损失函数设计和优化算法选择外，还需结合模型结构设计、训练策略调整及硬件特性等多维度进行优化
2025-04-07
神经网络优化算法

在神经网络中，优化算法的核心目标是通过调整模型参数（如权重和偏置）来最小化损失函数。