购买课程后，添加小助手微信（微信号：csdnxy68）回复【唐宇迪】
进入学习群，获取唐宇迪老师答疑
计算机视觉-物体检测-通用解决框架Mask-Rcnn实战课程旨在帮助同学们快速掌握物体检测领域当下主流解决方案与网络框架构建原理，基于开源项目解读其应用领域与使用方法。通过debug方式，详细解读项目中每一模块核心源码，从代码角度理解网络实现方法与建模流程。为了方便同学们能将项目应用到自己的数据与任务中，实例演示如何针对自己的数据集制作标签与代码调整方法，全程实战操作，通俗讲解其中复杂的网络架构。
2021-12-02 20:09:26
415B
1
目标检测作为机器视觉中重要任务之一,是人工智能体系中一个具有重要研究价值的技术分支。对于卷积神经网络框架、anchor-based模型和anchor-free模型三个主流的目标检测模型进行梳理。首先,综述了主流卷积神经网络框架的网络结构、优缺点以及相关的改进方法;其次从one-stage和two-stage两个分支对anchor-based类模型进行深入分析,总结了不同目标检测方法的研究进展;从早期探索、关键点和密集预测三部分分析anchor-free类模型。最后对该领域的未来发展趋势进行了思考与展望。
2021-11-26 17:13:21
3.74MB
1
UnBBayes贝叶斯网和其他概率模型的框架和GUI。
UnBBayes是用Java编写的概率网络框架。它同时具有GUI和API，并具有推理，采样，学习和评估功能。它支持贝叶斯网络，影响图，MSBN，OOBN，HBN，MEBN / PR-OWL，PRM，结构，参数和增量学习。
2021-10-27 20:02:58
9.72MB
1