醋醋百科网

Good Luck To You!

山东专升本计算机重要考点内容(一)

1. 信息的符号化就是数据,所以数据是信息的具体表示形式,信息是数据抽象出来的逻辑意义。

2. 信息技术是指人们获取、存储、传递、处理、开发和利用信息资源的相关技术。

3. 文化的核心是: 观念和价值。

4. 计算机文化是人类文化发展的四个里程碑之一(前三个分别为:语言的产生、文字的使用与印刷术的发明)。

5. 计算机的特点1)运算速度快2)存储容量大3)通用性强4)工作自动化5)精确性高

6. 字长是计算机一次所能处理的实际位数长度,字长是衡量计算性能的一个重要指标。

中央处理器CPU和Intel CPU的命名规则——小白装机手记

写在笔记开头的一段话:“随着计算机技术的发展,CPU也在不断地推陈出新。时至今日,CPU的种类可以说是星罗棋布,有用于个人计算机的桌面CPU,用于服务器的服务器CPU,用于汽车电子、工业自动化控制等嵌入式系统的嵌入式CPU以及用于智能手机、平板电脑等移动设备的移动端CPU。本文内容主要关注的是桌面CPU。”

什么是CPU?CPU是用来干什么的?

CPU是中央处理器(central processing unit)的英文缩写。 它负责解释计算机指令和处理数据。

中央处理器CPU和AMD CPU的命名规则——小白装机手记

写在笔记开头的一段话:“随着计算机技术的发展,CPU也在不断地推陈出新。时至今日,CPU的种类可以说是星罗棋布,有用于个人计算机的桌面CPU,用于服务器的服务器CPU,用于汽车电子、工业自动化控制等嵌入式系统的嵌入式CPU以及用于智能手机、平板电脑等移动设备的移动端CPU。本文内容主要关注的是桌面CPU。”

什么是CPU?CPU是用来干什么的?

CPU是中央处理器(central processing unit)的英文缩写。 它负责解释计算机指令和处理数据。

卷积式神经网络(CNN)在建筑行业中的应用

59.人工智能——基于Faster R-CNN实现多种水果目标检测

在做图像分类任务时,我们先使用卷积神经网络提取图像特征,然后再用这些特征预测分类概率。注意这里是对整张图像提取特征,所以无法区分图像中的不同目标,也就没法分别标示出每个物体所在的位置。

「AI实战」动手训练自己的目标检测模型(YOLO篇)

在前面的文章中,已经介绍了基于SSD使用自己的数据训练目标检测模型(见文章:手把手教你训练自己的目标检测模型),本文将基于另一个目标检测模型YOLO,介绍如何使用自己的数据进行训练。

YOLO(You only look once)是目前流行的目标检测模型之一,目前最新已经发展到V3版本了,在业界的应用也很广泛。YOLO的基本原理是:首先对输入图像划分成7x7的网格,对每个网格预测2个边框,然后根据阈值去除可能性比较低的目标窗口,最后再使用边框合并的方式去除冗余窗口,得出检测结果,如下图:

大话目标检测经典模型:Mark R-CNN

在之前的文章中介绍了目标检测经典模型(R-CNN、Fast R-CNN、Faster R-CNN),目标检测一般是为了实现以下效果:

在R-CNN、Fast R-CNN、Faster R-CNN中,实现了对目标的识别和定位,如下图所示:

为了更加精确地识别目标,实现在像素级场景中识别不同目标,利用“图像分割”技术定位每个目标的精确像素,如下图所示(精确分割出人、汽车、红绿灯等):

Mask R-CNN便是这种“图像分割”的重要模型。

小目标检测顶会新思路!最新成果刷爆遥感SOTA,参数小了18倍

遥感领域的小目标检测一直是个具有挑战性和趣味性的研究方向,同时也是顶会顶刊的常客。但不得不说,今年关于遥感小目标检测的研究热情尤其高涨,已经出现了很多非常优秀的成果。

比如SuperYOLO方法,通过融合多模态数据并执行高分辨率的目标检测,在大幅提高遥感图像中小目标的检测准确性和速度的同时,参数减少了18倍。

再比如结合顶流Mamba和YOLOv9的SOAR,在精度和效率方面都达到了SOTA,性能直接起飞,实力证明遥感小目标检测

改进的YOLO:AF-FPN替换金字塔模块提升目标检测精度

深度学习模型大小与模型推理速度的探讨

作者丨田子宸@知乎(已授权)

控制面板
您好,欢迎到访网站!
  查看权限
网站分类
最新留言