- 综合排序
- 最热优先
- 最新优先
- 来自专栏YOLO大作战
基于YOLOv10的工业油污缺陷检测算法，BRA注意力替换 PSA中的多头自注意力模块MHSA注意力（一）
本文内容：针对基基于YOLOv10的工业油污缺陷检测算法进行性能提升，加入各个创新点做验证性试验。 BRA注意力替换 PSA中的多头自注意力模块MHSA注意力 原始mAP50为 0.584提升至0.596 博主简介AI小怪兽，YOLO骨灰级玩家，1）YOLOv5、v7、v8、v9、v10优化创新 BiLevelRoutingAttention | CVPR2023原文链接：YOLOv10涨点改进：注意力魔改 | 动态稀疏注意力的双层路由方法BiLevelRoutingAttention | CVPR2023 _yolov10改进-CSDN博客 本文改进：替换YOLOv10中的PSA进行二次创新，1）BRA注意力替换 PSA中的多头自注意力模块MHSA注意力；2） BRA直接替换 PSA；改进1结构图：改进 PSA中的多头自注意力模块MHSA注意力（一）2） 具有切片操作的SimAM注意力，魔改SimAM助力缺陷检测（二） 3） 一种基于YOLOv10的高精度工业油污缺陷检测算法（原创自研）
59610编辑于 2025-01-13 - 来自专栏五分钟学算法
10 大算法
什么是算法呢？ 简单的说，任何定义明确的计算步骤都可称为算法，接受一个或一组值为输入，输出一个或一组值。 1、有穷性，执行有限步骤后，算法必须中止。 2、确切性，算法的每个步骤都必须确切定义。 最早的数学算法可追溯到公元前1600年-Babylonians有关求因式分解和平方根的算法。 与早期的排序算法相比(如冒泡算法)，这些算法将排序算法提上了一个大台阶。也多亏了这些算法，才有今天的数据发掘，人工智能，链接分析，以及大部分网页计算工具。 02 傅立叶变换 和快速傅立叶变换 ? 链接分析算法一直是这个领域最让人费解的算法之一，实现方式不一，而且其本身的特性让每个实现方式的算法发生异化，不过基本原理却很相似。 你正在看的这个网页就是使用数据压缩算法将信息下载到你的电脑上。除文字外，游戏，视频，音乐，数据储存，云计算等等都是。它让各种系统更轻松，效率更高。 10 随机数生成算法 ?
52840发布于 2019-06-03 - 来自专栏从流域到海域
注意力机制(Attention Mechanism) - NLP算法面试
对注意力机制的理解也是算法面试经常提及的一道基础面试题，在这篇博文里我们汇总吴恩达深度学习视频序列模型3.7和3.8以及台大李宏毅教授对Attenion Mechanism以及相关参考文献对注意力机制给出详细的介绍的解释 注意力机制(Attention Mechanism) 注意力机制是深度学习中一个非常重要的思想，在NLP领域尤为重要。 为什么要引入Attention Mechanism？ 注意力机制直观理解 如同前面讲过的人工翻译是一部分一部分看，一部分一部分翻译一样，注意力机制旨在实现在计算某个时间步的输出时，将注意力集中在一段序列上，段的大小可以由一个窗口来决定，并且为该段序列每一个时间步都赋以权值 注意力机制 实例说明： ? 如图所示，在计算Encoder的输出上下文c0c^0c0时，维持窗口大小为4，即一个时间步输出由四个时间步输入决定。 注意力机制的应用 虽然我们以NLP为例，但注意力机制在其他领域也有一些应用。
3.7K11发布于 2019-10-22 - 来自专栏智能大数据分析
【深度学习优化算法】10：Adam算法
在AdaGrad算法中，我们通过对每个坐标缩放来实现高效计算的预处理器。 在RMSProp算法中，我们通过学习率的调整来分离每个坐标的缩放。 Adam算法将所有这些技术汇总到一个高效的学习算法中。 前者在实践中效果略好一些，因此与RMSProp算法有所区分。通常，我们选择 \epsilon = 10^{-6} ，这是为了在数值稳定性和逼真度之间取得良好的平衡。 data_iter, feature_dim = d2l.get_data_ch11(batch_size=10) d2l.train_ch11(adam, init_adam_states(feature_dim p.grad.data.zero_() hyperparams['t'] += 1 data_iter, feature_dim = d2l.get_data_ch11(batch_size=10 Adam算法在RMSProp算法基础上创建的，还在小批量的随机梯度上使用EWMA。 在估计动量和二次矩时，Adam算法使用偏差校正来调整缓慢的启动速度。
60810编辑于 2025-08-02 - 来自专栏数据科学与人工智能
【算法】10 种机器学习算法要点
小编邀请您，先思考： 1 你熟悉那些机器学习算法？ 2 你如何应用机器学习算法？ 常见机器学习算法名单 这里是一个常用的机器学习算法名单。 这些算法几乎可以用在所有的数据问题上： 线性回归 逻辑回归 决策树 SVM 朴素贝叶斯 K最近邻算法 K均值算法 随机森林算法 降维算法 Gradient Boost 和 Adaboost 算法 1、线性回归 更多请见：支持向量机的简化(http://www.analyticsvidhya.com/blog/2014/10/support-vector-machine-simplified/) 将这个算法想作是在一个 princomp(train, cor = TRUE) train_reduced <- predict(pca,train) test_reduced <- predict(pca,test) 10
74090发布于 2018-03-27 - 来自专栏算法人生
算法人生（8）：从“注意力算法”看“战胜拖延”（被分心太多版）
“注意力算法”简介注意力算法是一种在深度学习中广泛应用的技术，用于处理序列数据时，模型可以动态地将注意力集中在最相关的部分。 注意力机制赋予了模型在不同位置分配不同权重的能力，突出了重要的信息片段，忽略了不太相关的部分。注意力算法大概的步骤：建立输入与输出之间的关联： 首先，注意力算法需要建立输入序列和输出序列之间的关联。 注意力算法通过学习输入和输出之间的关系来实现翻译任务。计算注意力权重：通过计算注意力权重来确定输入序列中每个元素对于当前输出的重要程度。 由上我们可以看出，注意力算法使得模型在处理复杂任务时，能够灵活关注输入序列的不同部分，提升了模型理解和处理信息的能力。 注意力算法对“走出拖延”的启发：在当今社会，信息爆炸和多任务处理成为了日常，我们常常发现自己被各种娱乐活动、社交媒体等分了心，从而产生了一种错觉——没有时间。
21711编辑于 2024-05-16 - 来自专栏YOLO大作战
YOLOv10涨点改进：注意力魔改 | 轻量级自注意力机制CoordAttention | CVPR2021
本文改进：替换YOLOv10中的PSA进行二次创新，1）CoordAttention注意力替换 PSA中的多头自注意力模块MHSA注意力；2） CoordAttention直接替换 PSA；CoordAttention 它可以捕捉特定位置的空间关系，并在注意力计算中加以利用。 与常规的注意力机制不同，CoordAttention在计算注意力时，不仅会考虑输入的特征信息，还会考虑每个像素点的位置信息，从而更好地捕捉空间上的局部关系和全局关系。 SE、CBAM和CA模块注意力结果可视化，CA更能精确关注感兴趣目标。 MHSA注意力实验结果如下：mAP50从0.683提升至0.7 YOLOv10n-AKConv summary (fused): 297 layers, 2663046 parameters, 0 gradients
4.8K12编辑于 2024-06-12 - 来自专栏算法工程师之路
每日算法题：Day 10
作者：TeddyZhang，公众号：算法工程师之路 Day 10, Linux知识点走起~ 1 编程题 【剑指Offer】顺时针打印数组 输入一个矩阵，按照从外向里以顺时针的顺序依次打印出每一个数字 ，例如，如果输入如下4 X 4矩阵：1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 则依次打印出数字1,2,3,4,8,12,16,15,14,13,9,5,6,7,11,10
65430发布于 2019-08-13 - 来自专栏CSDN搜“看，未来”
【C++】算法集锦（10）通俗讲kmp算法
---- 什么是KMP算法 它是一个字符串匹配算法。 KMP算法的优势 （就恨当初写kmp那篇的时候，没有留下图解，全篇文字铺开，现在我自己都看不懂了） 首先，给定 “主串” 和 “模式串” 如下： BF算法使用简单粗暴的方式，对主串和模式串进行逐个字符的比较 ，做了很多无谓的比较，还好，我们今天讲的不是这种算法。 next数组是决定kmp算法快速移动的核心。 好，我们来看一下next数组是如何生成的。 j = vec[j]; } } if (j >= pLen) return(i - j); return -1; } int main() { vector<int> vec1(10,0
98120发布于 2021-09-18 - 来自专栏yeedomliu
《图解算法》第10章 K最近邻算法
你刚才就是使用K最近邻（k-nearest neighbours，KNN）算法进行了分类！ 创建推荐系统 可以将所有用户都放入一个图表中
75130发布于 2020-08-13 - 来自专栏乐行僧的博客
10-归并排序算法
注意点： 稳定的排序算法 时间复杂度O(nlog2n) 空间复杂度O(n) 非递归实现，自定上下 注意分治和归并中数组中间位置下标的对应关系 应用：逆序对个数的求解 代码： #include <stdio.h
20920编辑于 2022-02-25 - 来自专栏全栈程序员必看
10个JS常见算法题目
1、冒泡排序调优（从小到大排序） 2、输出九九乘法表 3、输出水仙花数 4、1–10的阶乘和 5、输出1900年至2100年中的所有闰年 6、输出10–100之间的所有素数 7、1，2，3， 源码如下： js算法题目练习 <! -- 4、1--10的阶乘和 --> <script type="text/javascript"> // 内容提示 console.log("4、1--10的阶乘和"); // 1; i <= 10; i++) { // 第二层循环表示求1到10的每一个数的阶乘的过程 for (var j = 1; j <= i; j++) { 5个数字 var areFive = 0; // 10到500循环，一次利用下面的算法进行判断 for (var num = 10; num <= 500; num++) {
1.2K20编辑于 2022-09-07 - 来自专栏奇点大数据
机器学习必学10大算法
本文介绍了 10 大常用机器学习算法，包括线性回归、Logistic 回归、线性判别分析、朴素贝叶斯、KNN、随机森林等。 1. 分类和回归树 决策树是一类重要的机器学习预测建模算法。 决策树可以被表示为一棵二叉树。这种二叉树与算法设计和数据结构中的二叉树是一样的，没有什么特别。 不过，该算法在大量的复杂问题中十分有效。 6. K 最近邻算法 K 最近邻（KNN）算法是非常简单而有效的。KNN 的模型表示就是整个训练数据集。这很简单吧？ 袋装法和随机森林 随机森林是最流行也最强大的机器学习算法之一，它是一种集成机器学习算法。 自助法是一种从数据样本中估计某个量（例如平均值）的强大统计学方法。 如果你使用具有高方差的算法（例如决策树）获得了良好的结果，那么你通常可以通过对该算法执行 Bagging 获得更好的结果。 10.
67420发布于 2019-04-29 - 来自专栏云计算linux
机器学习必学10大算法
本文介绍了 10 大常用机器学习算法，包括线性回归、Logistic 回归、线性判别分析、朴素贝叶斯、KNN、随机森林等。 1. 线性回归 在统计学和机器学习领域，线性回归可能是最广为人知也最易理解的算法之一。 预测建模主要关注的是在牺牲可解释性的情况下，尽可能最小化模型误差或做出最准确的预测。 我们将借鉴、重用来自许多其它领域的算法(包括统计学)来实现这些目标。 线性回归 例如：y = B0 + B1 * x 我们将在给定输入值 x 的条件下预测 y，线性回归学习算法的目的是找到系数 B0 和 B1 的值。 线性回归是一种运算速度很快的简单技术，也是一种适合初学者尝试的经典算法。 2. Logistic 回归 Logistic 回归是机器学习从统计学领域借鉴过来的另一种技术。
41010编辑于 2024-12-18 - 来自专栏前端少年汪的博客
前端10大排序算法
相同元素的前后顺序并没有改变，所以冒泡排序是一种稳定排序算法。 const max = Math.max(...arr); const buckets: number[][] = []; // 初始化桶 for (let i = 0; i < 10 [i] = []; } // 计算最大数字的位数 let digitCount = 0; while (max > 0) { max = Math.floor(max / 10 = 0; j < arr.length; j++) { const num = arr[j]; const digit = Math.floor(num / Math.pow(10 , i)) % 10; buckets[digit].push(num); } arr = []; for (let k = 0; k < buckets.length
37440编辑于 2023-11-21 - 来自专栏塔奇克马敲代码
第 10 章 泛型算法
第 10 章 泛型算法 标签： C++Primer 学习记录 泛型算法 ---- 第 10 章 泛型算法 10.1 概述 10.2 初识泛型算法 10.3 定制操作 10.4 再探迭代器 10.5 泛型算法结构 迭代器令算法不依赖于容器，但算法本身可能依赖于元素类型的操作。如 find算法需要使用元素类型的==运算符、sort算法需要使用<运算符。 vector<int> vec; // 空向量 fill_n(vec.begin(), 10, 0); // 错误，向空向量写入元素！ fill_n(back_inserter(vec), 10, 0); // 添加 10个元素到 vec 重排算法。 ++n1; ++n2; } int n1 = 1, n2 = 2, n3 = 3; auto bf_1 = bind(f, n1, ref(n2), cref(n3)); n1 = 10
1.1K80发布于 2018-06-07 - 来自专栏算法channel
10 行实现最短路算法
今天是算法数据结构专题的第34篇文章，我们来继续聊聊最短路算法。 在上一篇文章当中我们讲解了bellman-ford算法和spfa算法，其中spfa算法是我个人比较常用的算法，比赛当中几乎没有用过其他的最短路算法。 Dijkstra算法的底层逻辑是贪心，也可以理解成贪心算法在图论当中的使用。 其实Dijstra算法和Bellman-ford算法类似，也是一个松弛的过程。 0 que = PriorityQueue() INF = sys.maxsize edges = [[], [[2, 7], [3, 9], [6, 14]], [[1, 7], [3, 10 ], [4, 15]], [[1, 9], [2, 10], [6, 2], [4, 11]], [[3, 11], [5, 6]], [[4, 6], [6, 9]], [[3, 2], [5, 9]
1K20发布于 2020-08-21 - 来自专栏小詹同学
机器学习必学10大算法
本文介绍了 10 大常用机器学习算法，包括线性回归、Logistic 回归、线性判别分析、朴素贝叶斯、KNN、随机森林等。 1. 分类和回归树 决策树是一类重要的机器学习预测建模算法。 决策树可以被表示为一棵二叉树。这种二叉树与算法设计和数据结构中的二叉树是一样的，没有什么特别。 不过，该算法在大量的复杂问题中十分有效。 6. K 最近邻算法 K 最近邻（KNN）算法是非常简单而有效的。KNN 的模型表示就是整个训练数据集。这很简单吧？ 如果你使用具有高方差的算法（例如决策树）获得了良好的结果，那么你通常可以通过对该算法执行 Bagging 获得更好的结果。 10. redirectUrl=https%3A%2F%2Fblog.goodaudience.com%2Ftop-10-machine-learning-algorithms-2a9a3e1bdaff
53000发布于 2019-11-12 - 来自专栏机器之心
机器学习必学10大算法
本文介绍了 10 大常用机器学习算法，包括线性回归、Logistic 回归、线性判别分析、朴素贝叶斯、KNN、随机森林等。 1. 分类和回归树 决策树是一类重要的机器学习预测建模算法。 决策树可以被表示为一棵二叉树。这种二叉树与算法设计和数据结构中的二叉树是一样的，没有什么特别。 不过，该算法在大量的复杂问题中十分有效。 6. K 最近邻算法 K 最近邻（KNN）算法是非常简单而有效的。KNN 的模型表示就是整个训练数据集。这很简单吧？ 袋装法和随机森林 随机森林是最流行也最强大的机器学习算法之一，它是一种集成机器学习算法。 自助法是一种从数据样本中估计某个量（例如平均值）的强大统计学方法。 如果你使用具有高方差的算法（例如决策树）获得了良好的结果，那么你通常可以通过对该算法执行 Bagging 获得更好的结果。 10.
77630发布于 2019-03-30 - 来自专栏张俊红
图解10大机器学习算法
今天给大家分享一篇机器学习算法的文章，利用图解的方式介绍了10大常见的机器学习算法。 因此，你应该根据你的问题尝试许多不同的算法，同时使用数据测试集来评估性能并选出最优项。 当然，你尝试的算法必须和你的问题相切合，其中的门道便是机器学习的主要任务。 如果你使用高方差算法（如决策树）获得良好结果，那么加上这个算法后效果会更好。 10、Boosting和AdaBoost Boosting是一种从一些弱分类器中创建一个强分类器的集成技术。 初学者在面对各种各样的机器学习算法时提出的一个典型问题是“我应该使用哪种算法？” 虽然还有很多其他的机器学习算法，但这些算法是最受欢迎的算法。如果你是机器学习的新手，这是一个很好的学习起点。
80351编辑于 2022-03-25
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号