cnn标签_DAMO开发者矩阵

cnn

第293篇实例分割Mask R-CNN——不仅要分类，还要抠出来

本文介绍了实例分割的概念及其与语义分割的区别，重点解析了Mask R-CNN的架构设计、RoIAlign关键创新及其应用。语义分割仅区分像素类别，而实例分割还能区分同类不同个体并精确分割轮廓。Mask R-CNN在Faster R-CNN基础上增加mask分支，通过RoIAlign解决位置偏差问题，大幅提升分割精度。文章还探讨了训练推理流程、后续发展方案（如SOLOv2、YOLACT）及机器人抓取

 郑伟强dev
2026-08-29 04:10:09

 366

 4

#cnn #分类 #机器人 +4
医疗影像辅助诊断（肺结节检测）（⭐）—— 使用3D CNN在CT影像中检测肺结节并分类良恶性。技术栈：MONAI、PyTorch3D、LUNA16数据集

肺癌是全球发病率和死亡率最高的恶性肿瘤之一，早期筛查与精准诊断对改善患者生存率具有决定性意义。低剂量计算机断层扫描（LDCT）的广泛推广使得肺部影像数据呈指数级增长，传统人工阅片面临效率低下、主观性强、微小病灶易漏诊等瓶颈。近年来，以三维卷积神经网络（3D CNN）为代表的深度学习技术，凭借其端到端学习立体空间特征的能力，已成为医疗影像辅助诊断领域的研究热点。

网络爬虫大揭秘
2026-08-15 12:07:46

 11

#3d #cnn #分类 +4
触觉感知抓取（⭐⭐）—— 使用GelSight触觉传感器判断物体硬度/滑移，调整抓取力度。技术栈：触觉信号处理、CNN分类、阻抗控制

在非结构化的复杂作业环境中，机器人的抓取能力不仅取决于视觉引导的定位精度，更依赖于对物体物理属性的实时感知与自适应控制。传统基于力/力矩传感器的抓取策略难以应对易碎、滑腻或形变未知的物体。本文系统探讨了基于GelSight型视触觉传感器的触觉感知抓取技术框架，详细阐述了从触觉信号处理、卷积神经网络（CNN）分类到阻抗控制的全链路实现。通过将高密度接触应力分布转化为视觉特征，并结合深度学习进行材质硬

 网络爬虫大揭秘
2026-08-13 12:24:37

 11

#cnn #分类 #搜索引擎 +3
人工智能与机器人研究|面向无标签数据的三维场景语义理解方法研究

本研究提出了一种无监督三维场景语义理解框架，通过高斯混合模型层次化扩展实现以对象为中心的场景表达。该方法融合空间聚类与二维语义线索进行对象分组，并设计几何、光度和物理三类自监督约束进行优化。在ScanNet等数据集上的实验表明，其重建质量和语义理解能力优于基线方法，验证了无标签学习的有效性。未来将扩展至动态场景、轻量化设计及机器人交互应用。

2501_92218442
2026-08-05 09:52:10

 227

 5

#人工智能 #算法 #神经网络 +3
小白程序员必看！收藏这份视觉模型发展史，从CNN到VLA的完整进阶指南

核心逻辑只有一句话：把一切变成 token，让 Transformer 统一处理。图像是 token，文本是 token，动作也是 token。当所有模态都站在同一个计算范式上，"一个模型理解并操控整个世界"就不再是科幻。

编程唐小宝
2026-07-29 14:13:59

 180

 4

#cnn #人工智能 #神经网络 +1
[具身智能-625]：人眼相当于多大的像素（类比）？

如果非要类比：聚焦注视的中心清晰区域 ≈ 500～700 万像素；全域理论极限 5.76 亿像素仅为数学假设，不具备工程参考意义；人眼天然是「亮度感知全域高密度、色彩感知局部高密度」的非均匀视觉系统，正是 YUV 编码的生物学原型。

文火冰糖的硅基工坊
2026-07-23 15:27:04

 162

 1

#人工智能 #cnn #opencv
[具身智能-624]：人眼传感器，是YUV, 还是RGB?

我们分层通俗讲清楚，区分三层东西：1）人眼真实生理感光细胞2）RGB（显示器 / 相机的人为模型）3）YUV（基于人眼视觉特性设计的工程编码格式）

文火冰糖的硅基工坊
2026-07-23 15:15:54

 136

 1

#神经网络 #边缘计算 #人工智能 +2
[具身智能-620]：主机端的CNN网络模型，输入图片格式基本是RGB的。端侧也一样吗?

逻辑上 CNN 仍然需要 RGB 三通道信息；PC/GPU 物理内存存放 RGB；RDK 这类带 ISP+BPU 的边缘硬件，物理内存传输使用 NV12，由 BPU 内置硬件单元实时完成 YUV→RGB 转换，规避 CPU 图像转换开销。

文火冰糖的硅基工坊
2026-07-23 13:26:42

 340

 10

#cnn #网络 #人工智能
[具身智能-615]：为什么 CMOS 传感器不在每个像素内置 R/G/B 三个感光单元？拜耳阵列的折中思路

表格方案感光面积数据量成本弱光性能适用场景拜耳 Bayer（1 像素单色）最大基础值低优秀手机、MIPI 工业相机、监控（99% 市场）单像素内置 R/G/B 三个感光单元缩小至 1/3×3极高很差几乎无商用产品Foveon X3 垂直堆叠中等×3极高一般小众单反，无法小型化。

文火冰糖的硅基工坊
2026-07-22 12:22:37

 159

 1

#人工智能 #opencv #cnn
[具身智能-613]：openCV、CNN网络、RDK BPU所需要的图像文件格式的区别

结合整套工程（MIPI→NV12→推理→预览），先给出核心结论：三者，工程里大量开销消耗在；最优方案是尽量在。

文火冰糖的硅基工坊
2026-07-22 08:05:57

 296

 4

#opencv #cnn #网络
“VLA-TVA”协同架构：打造具身智能“执行力”闭环（2）

本文系统解析了具身智能中VLA决策架构与TVA视行架构的协同机制。VLA架构通过多模态融合和全局规划实现高层决策，包含视觉编码、语言解析等模块；TVA架构侧重实时感知与动作执行，采用轻量化Transformer设计。两大架构通过三级协同机制实现无缝衔接：指令适配层确保任务精准传达，特征联动层实现动态规划调整，迭代适配层促进双向优化。这种深度耦合解决了传统架构决策与执行脱节的问题，形成兼具全局统筹和

 2501_94287723
2026-07-22 00:00:29

 232

 9

#python #cnn
CNN、ViT、TVA三种具身智能视觉范式的巅峰对决（17）

本文揭示了Transformer-based Vision Agent（TVA）如何突破传统CV模型的静态局限。文章从四个维度剖析TVA的创新机制：1）通过世界模型的预测-现实博弈实现动态参数修正；2）基于不确定性的主动感知提升数据效率；3）结合记忆回放的终身学习克服灾难性遗忘；4）将物理定律作为约束嵌入网络，实现从统计拟合到物理认知的跨越。TVA通过感知-预测-交互-修正的闭环系统，使机器具备持

 2501_94287723
2026-07-18 00:00:16

 244

 5

#cnn #python
CNN、ViT、TVA三种具身智能视觉范式的巅峰对决（15）

摘要： TVA（Transformer-based Vision Agent）通过原生时序建模突破传统视觉架构的“帧壁垒”，构建四维时空感知场。其时空Transformer融合跨帧注意力，实现长时运动建模与物理规律内化，赋予智能体因果推理与未来预测能力。在动态交互中，TVA通过视觉伺服机制实现毫秒级闭环控制，并利用时序上下文解决非刚性形变与运动模糊问题。相比CNN/ViT的静态处理，TVA将视觉认

 2501_94287723
2026-07-17 09:09:24

 1078

#cnn #python
CNN、ViT、TVA三种具身智能视觉范式的巅峰对决（13）

摘要：Vision Transformer（ViT）通过自注意力机制突破了CNN的局部感受野限制，在静态图像任务中取得显著进展。然而在具身智能领域，ViT存在根本性局限：其静态建模特征导致时间维度缺失，无法有效处理动态交互；缺乏任务感知能力，无法将视觉信号转化为行动指引；计算复杂度高，难以满足实时性需求。研究表明，ViT虽具备全局视野优势，却因缺乏动态交互能力而成为"旁观者"，

2501_94287723
2026-07-17 09:08:27

 1071

#cnn #python
CNN、ViT、TVA三种具身智能视觉范式的巅峰对决（12）

摘要：卷积神经网络（CNN）凭借局部感受野和平移不变性在静态图像任务中表现卓越，但在具身智能的非结构化环境中暴露显著局限。本文从四方面剖析其瓶颈：1）归纳偏置局限：局部感知难以捕捉三维空间的全局关系与绝对位置信息；2）时序断裂：静态帧处理丢失动态交互的因果律与运动预测能力；3）任务割裂：特征提取与下游控制脱节，误差累积且缺乏反馈；4）泛化困境：纹理依赖导致在未知光照、遮挡或反光场景中鲁棒性差。这

 2501_94287723
2026-07-17 09:07:15

 1065

#cnn #python
CNN、ViT、TVA三种具身智能视觉范式的巅峰对决（11）

摘要：视觉感知技术在具身智能领域经历了从CNN局部感知、ViT全局建模到TVA具身交互的三阶段跃迁。传统CNN依赖局部特征，泛化性不足；ViT通过自注意力机制实现全局静态理解，但缺乏动态交互能力；而TVA（Transformer-based Vision Agent）融合Transformer、深度强化学习（DRL）和因式分解算法（FRA），构建“感知-推理-决策-反馈”闭环，新增时序感知与任务

 2501_94287723
2026-07-17 09:06:50

 1100

#cnn #python
CNN、ViT、TVA三种具身智能视觉范式的巅峰对决（10）

视觉技术产业价值差异显著：CNN局限于传统自动化配套（低端标准化场景），ViT聚焦静态图像识别升级（脱离物理交互），而TVA通过架构革新突破物理AI边界，赋能具身智能全场景落地（工业柔性制造/服务机器人/特种作业等）。实验显示TVA动态识别准确率提升47%/22%，任务成功率提高68%/35%，成为驱动物理智能革命的核心技术。三类技术呈现代际差异——CNN属淘汰产能、ViT是存量优化工具，TVA则

 2501_94287723
2026-07-17 09:06:18

 1102

#cnn #python
CNN、ViT、TVA三种具身智能视觉范式的巅峰对决（9）

本文分析了CNN、ViT和TVA三种视觉技术的代际差异：CNN是功能单一的工具级感知技术，仅能完成基础图像识别；ViT作为平台级技术实现了通用视觉建模，但缺乏实体交互能力；TVA则突破为智能体级中枢，集成感知、推理、决策等全链路能力，成为具身智能的核心引擎。三者的层级差异（工具级→平台级→智能体级）构成了清晰的技术进化路径，其中TVA凭借多层级智能化优势，将成为推动物理AI发展的核心底层技术，引领

 2501_94287723
2026-07-17 09:04:43

 1092

#cnn #python
CNN、ViT、TVA三种具身智能视觉范式的巅峰对决（8）

摘要：CNN、ViT和TVA三类视觉技术在场景适配能力上存在代际差异：CNN仅适用于封闭结构化静态场景（如工业检测），ViT能处理通用静态复杂场景但无法适应动态交互，而TVA凭借时序推理和动态适配能力，可全域覆盖结构化/非结构化、静态/动态场景（如家居交互、医疗操作等）。TVA在动态场景中94%的落地成功率显著优于CNN（35%）和ViT（62%），成为支撑具身智能产业发展的核心视觉技术方案。三者

 2501_94287723
2026-07-17 09:04:17

 1072

#cnn #python
CNN、ViT、TVA三种具身智能视觉范式的巅峰对决（7）

本文对比分析了CNN、ViT和TVA三种视觉技术在具身智能终端上的硬件适配差异。CNN轻量化成熟但感知能力弱，ViT精度高但算力需求大，均存在明显缺陷。TVA通过专属因式轻量化技术，在保留Transformer优势的同时实现参数量压缩60%以上、推理延迟<10ms、功耗降低50%，完美平衡高精度与低功耗需求，支持端边协同部署。实测显示TVA在同等硬件条件下延迟9ms、动态精度98%，显著优于

 2501_94287723
2026-07-17 09:01:47

 1097

#cnn #python
CNN、ViT、TVA三种具身智能视觉范式的巅峰对决（6）

视觉技术的交互闭环能力是区分工具与智能的关键标准。传统CNN/ViT仅具备单向感知输出，无法形成感知-行动闭环；而TVA通过构建“感知-决策-执行-反馈”全链路动态迭代系统，实现自主纠错和持续优化。实验显示，TVA可将作业失误率从初始12%迭代降至3%以下，而CNN/ViT失误率高达38%和21%且无法自主改进。这种闭环迭代能力使TVA成为真正具身智能的核心引擎，形成与传统视觉技术的代际差距。

2501_94287723
2026-07-17 09:01:24

 1063

#cnn #python
CNN、ViT、TVA三种具身智能视觉范式的巅峰对决（5）

摘要：CNN、ViT和TVA三种视觉技术在泛化学习能力上存在代际差异。CNN依赖海量标注数据固定参数拟合，缺乏泛化能力；ViT通过大数据预训练获得基础静态泛化，但无法在线迭代；TVA采用因式分解和增量学习机制，实现小样本快速适配、零代码在线进化等高级能力。TVA的新场景适配效率较CNN和ViT分别提升4.2倍和2.8倍，解决了传统视觉技术泛化弱、迭代慢的问题，为具身智能的规模化落地提供了关键技术支

 2501_94287723
2026-07-17 09:00:28

 1093

#cnn #python
CNN、ViT、TVA三种具身智能视觉范式的巅峰对决（4）

本文对比分析了CNN、ViT和TVA三类视觉技术在具身智能中的任务适配能力差异。CNN仅能进行预设特征的被动匹配，完全缺乏任务理解能力；ViT虽具备通用识别能力，但感知与任务脱节；TVA通过构建任务驱动的智能推理体系，实现了从感知到动作的全链路闭环，可自主拆解复杂任务、适配非标工况。实验显示TVA在非标任务中的成功率高达93%，显著优于CNN（32%）和ViT（65%）。这种任务适配的本质跃迁使T

2501_94287723
2026-07-17 09:00:07

 1073

#cnn #python
CNN、ViT、TVA三种具身智能视觉范式的巅峰对决（3）

本文对比了CNN、ViT和TVA三类视觉技术的时序处理能力。CNN和ViT均属于静态视觉模型，仅支持单帧图像识别，缺乏时序编码和动态记忆机制，无法感知场景变化和预判运动趋势，难以满足具身智能的动态交互需求。TVA创新性地集成时序编码、帧间注意力关联和动态记忆缓存三大机制，实现空间-时间双维度建模，能精准捕捉动态变化并预判趋势。实验数据显示TVA在动态场景下的任务成功率高达90%，显著优于CNN(2

2501_94287723
2026-07-17 08:59:44

 1093

#cnn #python
CNN、ViT、TVA三种具身智能视觉范式的巅峰对决（2）

摘要： CNN、ViT与TVA分别代表局部特征固化拟合、全局静态建模和动态因式推理三种视觉感知逻辑，其本质差异决定场景理解能力与泛化水平。CNN依赖局部像素拟合，泛化性差；ViT通过全局关联提升精度，但缺乏动态推理能力；TVA基于因式分解拆解物理逻辑，融合时序感知与任务推理，实现从表象识别到本质理解的跨越，在动态复杂场景中准确率高达98%，远超CNN（51%）和ViT（76%）。TVA的智能化、任

 2501_94287723
2026-07-08 07:32:54

 1389

 13

#cnn #python
深度学习算法（二）：卷积神经网络

本文详细介绍了卷积神经网络(CNN)的原理和应用。CNN是一种特殊的前馈神经网络，主要用于处理网格结构数据如图像，通过卷积层、池化层、全连接层和激活函数的组合自动提取特征。文章解析了LeNet-5和AlexNet两种经典架构的工作原理，并通过Java代码示例展示了使用DL4J框架实现CNN的过程，包括数据加载、模型定义、训练和评估等关键步骤。最后总结了CNN在图像处理等领域的强大应用能力，为读者理

 一碗黄焖鸡三碗米饭
2025-07-15 09:17:26

 1171

 21

#深度学习 #算法 #cnn +3
毕业设计-基于卷积神经网络的工作人员反光衣识别算法 YOLO 深度学习

基于深度学习的工作人员反光衣识别算法，该算法旨在提高工作场所的安全性和效率。通过使用深度学习技术，该算法能够准确地识别工作人员穿着反光衣的情况，从而帮助监控系统实时监测工作人员的位置和活动。解释了算法的原理和实现方法，并提供了实验结果和性能评估。这项毕业设计为工作场所的安全管理和监控提供了一种创新的解决方案，有望在实际应用中发挥重要作用。

Krin_IT
2023-11-24 21:17:38

 1158

 18

#深度学习 #cnn #python
遥感影像目标检测：从CNN（Faster-RCNN）到Transformer（DETR

遥感影像目标检测：从CNN（Faster-RCNN）到Transformer（DETR）

JNLWLAQ
2024-12-20 09:35:29

 1896

 35

#目标检测 #cnn #transformer +4
时序预测 | MATLAB实现贝叶斯优化CNN-LSTM时间序列预测(股票价格预测)

时间序列预测在金融、气象、工程等领域扮演着至关重要的角色。精准的时间序列预测可以帮助决策者更好地理解过去、洞察现在、预测未来，从而制定更加合理的策略。近年来，深度学习技术凭借其强大的非线性拟合能力，在时间序列预测领域取得了显著的进展。然而，构建有效的深度学习模型往往需要仔细的超参数调优，这是一项耗时且复杂的任务。本文将聚焦于利用贝叶斯优化方法来优化卷积神经网络-长短期记忆网络（CNN-LSTM）模

 Matlab科研辅导帮
2025-03-29 09:10:09

 958

 24

#matlab #cnn #lstm
【目标检测经典模型比较】--Fast R-CNN Faster R-CNN Mask R-CNN

【目标检测经典模型比较】二阶段--Fast R-CNNFaster R-CNNMask R-CNN三者比较与进步，包括各自优缺点。目标检测入门二阶段检测算法。

Ethereal633
2024-02-06 17:28:38

 1954

 14

#目标检测 #cnn #人工智能 +3
【时序预测】MATLAB实现CNN(卷积神经网络)时间序列预测

时间序列预测是预测未来时间点数据值的过程，在经济学、金融、气象、医疗等领域具有广泛的应用。卷积神经网络 (CNN) 作为一种强大的深度学习模型，近年来在图像处理、自然语言处理等领域取得了巨大成功，其强大的特征提取能力也使其在时间序列预测领域展现出巨大潜力。本文将介绍如何使用 MATLAB 实现 CNN 时间序列预测模型，并以实际案例进行分析，展示 CNN 在时序预测中的优势和应用。1. 引言时间序

 Matlab科研工作室
2024-09-24 11:35:30

 1210

 14

#matlab #cnn #开发语言