本文来自于csdn，本文将通过以OCR（光学字符识别）的场景来介绍深度学习在计算机视觉中的应用。
计算机视觉是利用摄像机和电脑代替人眼，使得计算机拥有类似于人类的对目标进行检测、识别、理解、跟踪、判别决策的功能。以美团业务为例，在商家上单、团单展示、消费评价等多个环节都会涉及计算机视觉的应用，包括文字识别、图片分类、目标检测和图像质量评价等方向。本文将通过以OCR（光学字符识别）的场景来介绍深度学习在计算机视觉中的应用。
2022-12-16 11:07:33
1.66MB
1
两本经典深入的深度学习入门和进阶的书籍（魏秀参教授的解析卷积神经网络，Michael Nielsen的Neural Networks and Deep Learning），自己读过，觉得这两本书挺好，特意分享给大家（特别是英文的那本，让读者深入理解神经网络的本质）
2022-12-16 09:58:24
58.64MB
1
家具分类图片数据集，文件包含图像路径及其注释标签以及类别，共9346张家具图像
家具分类图片数据集，文件包含图像路径及其注释标签以及类别，共9346张家具图像
家具分类图片数据集，文件包含图像路径及其注释标签以及类别，共9346张家具图像
2022-12-15 11:28:34
38.05MB
本程序实现了在PyTorch中利用前馈神经网络实现复杂函数拟合。主要包括基于nn.Module的神经网络搭建和训练方法和数据集生成、分割方法。展示了通过调参分析和模型训练过程，评估各种超参数对训练过程、模型性能的影响，并将测试结果可视化。
2022-12-15 11:28:32
2KB
1
本程序实现了在PyTorch中利用前馈神经网络实现复杂函数拟合。主要包括基于nn.Module的神经网络搭建和训练方法和数据集生成、分割方法。展示了通过调参分析和模型训练过程，评估各种超参数对训练过程、模型性能的影响，并将测试结果可视化。
2022-12-15 11:28:31
2KB
1
本程序实现了在PyTorch中利用前馈神经网络实现复杂函数拟合。主要包括基于nn.Module的神经网络搭建和训练方法和数据集生成、分割方法。展示了通过调参分析和模型训练过程，评估各种超参数对训练过程、模型性能的影响，并将测试结果可视化。
2022-12-15 11:28:31
2KB
1
本程序实现了在PyTorch中利用前馈神经网络实现复杂函数拟合。主要包括基于nn.Module的神经网络搭建和训练方法和数据集生成、分割方法。展示了通过调参分析和模型训练过程，评估各种超参数对训练过程、模型性能的影响，并将测试结果可视化。
2022-12-15 11:28:30
3KB
1