基于計(jì)算機(jī)視覺(jué)與機(jī)器學(xué)習(xí)技術(shù)的跌倒風(fēng)險(xiǎn)預(yù)測(cè)

使用卷積神經(jīng)網(wǎng)絡(luò)（CNN）、支持向量機(jī)（SVM）、K近鄰（KNN）和長(zhǎng)短期記憶（LSTM）神經(jīng)網(wǎng)絡(luò)等四種不同的分類(lèi)方法對(duì)三種步態(tài)模式進(jìn)行自動(dòng)分類(lèi)。

2024-03-22 標(biāo)簽：向量機(jī)人工智能計(jì)算機(jī)視覺(jué) 774 0

BP神經(jīng)網(wǎng)絡(luò)算法的基本流程

訓(xùn)練經(jīng)過(guò)約50次左右迭代，在訓(xùn)練集上已經(jīng)能達(dá)到99%的正確率，在測(cè)試集上的正確率為90.03%，單純的BP神經(jīng)網(wǎng)絡(luò)能夠提升的空間不大了，但kaggle上...

2024-03-20 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò) 3116 0

深度學(xué)習(xí)在偏振圖像融合領(lǐng)域的研究進(jìn)展與現(xiàn)狀

基于多尺度變換（MST）的偏振圖像融合方法研究開(kāi)始較早且應(yīng)用廣泛。2016年，中北大學(xué)提出一種紅外偏振與強(qiáng)度圖像融合算法，融合結(jié)果能夠保留紅外強(qiáng)度圖像的...

2024-03-11 標(biāo)簽：圖像融合光譜圖像深度學(xué)習(xí) 1787 0

基于機(jī)器視覺(jué)的織物疵點(diǎn)自動(dòng)檢測(cè)技術(shù)分析

紡織業(yè)在是中國(guó)最大的日常使用及消耗相關(guān)的產(chǎn)業(yè)之一，且勞動(dòng)工人多，生產(chǎn)量和對(duì)外出口量很大，紡織業(yè)的發(fā)展影響著中國(guó)經(jīng)濟(jì)、社會(huì)就業(yè)問(wèn)題。而織物產(chǎn)品的質(zhì)量直接影...

2024-02-19 標(biāo)簽：高斯濾波機(jī)器視覺(jué)圖像識(shí)別 1847 0

卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)勢(shì)和應(yīng)用領(lǐng)域

說(shuō)到機(jī)器學(xué)習(xí)，大相信大家自然而然想到的就是現(xiàn)在大熱的卷積神經(jīng)網(wǎng)絡(luò)，或者換句話來(lái)說(shuō)，深度學(xué)習(xí)網(wǎng)絡(luò)。對(duì)于這些網(wǎng)絡(luò)或者模型來(lái)說(shuō)，能夠大大降低進(jìn)入門(mén)檻，具體而言...

2024-01-25 標(biāo)簽：SVM機(jī)器學(xué)習(xí)深度學(xué)習(xí) 2795 0

卷積神經(jīng)網(wǎng)絡(luò)的深度解析與實(shí)踐

卷積后產(chǎn)生的特征圖中的值，越靠近1表示與該特征越關(guān)聯(lián)，越靠近-1表示越不關(guān)聯(lián)，而我們進(jìn)行特征提取時(shí)，為了使得數(shù)據(jù)更少，操作更方便，就直接舍棄掉那些不相關(guān)...

2024-01-15 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)cnn卷積神經(jīng)網(wǎng)絡(luò) 291 0

自動(dòng)駕駛中多模態(tài)下的Freespace檢測(cè)輕量化設(shè)計(jì)實(shí)現(xiàn)

Freespace檢測(cè)是駕駛場(chǎng)景理解的一部分，它將圖像中的每個(gè)像素分類(lèi)為可駕駛或不可駕駛區(qū)域，通常通過(guò)圖像分割算法來(lái)實(shí)現(xiàn)。

2024-01-12 標(biāo)簽：濾波器編解碼器自動(dòng)駕駛 1724 0

詳解深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用

在如今的網(wǎng)絡(luò)時(shí)代，錯(cuò)綜復(fù)雜的大數(shù)據(jù)和網(wǎng)絡(luò)環(huán)境，讓傳統(tǒng)信息處理理論、人工智能與人工神經(jīng)網(wǎng)絡(luò)都面臨巨大的挑戰(zhàn)。近些年，深度學(xué)習(xí)逐漸走進(jìn)人們的視線，通過(guò)深度學(xué)...

2024-01-11 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)人工智能深度學(xué)習(xí) 2773 0

利用手持?jǐn)z像機(jī)圖像通過(guò)卷積神經(jīng)網(wǎng)絡(luò)實(shí)時(shí)進(jìn)行水稻檢測(cè)

在本研究中，研究者提出了一種有效的深度卷積神經(jīng)網(wǎng)絡(luò)(DCNN)結(jié)構(gòu)，利用手持照相機(jī)拍攝的照片來(lái)檢測(cè)水稻的生長(zhǎng)階段(DVS)。

2024-01-09 標(biāo)簽：攝像機(jī)卷積神經(jīng)網(wǎng)絡(luò)dcnn 776 0

基于DiAD擴(kuò)散模型的多類(lèi)異常檢測(cè)工作

現(xiàn)有的基于計(jì)算機(jī)視覺(jué)的工業(yè)異常檢測(cè)技術(shù)包括基于特征的、基于重構(gòu)的和基于合成的技術(shù)。最近，擴(kuò)散模型因其強(qiáng)大的生成能力而聞名，因此本文作者希望通過(guò)擴(kuò)散模型將...

2024-01-08 標(biāo)簽：計(jì)算機(jī)視覺(jué)數(shù)據(jù)集卷積神經(jīng)網(wǎng)絡(luò) 2214 0

基于國(guó)產(chǎn)AI編譯器ICRAFT部署YOLOv5邊緣端計(jì)算的實(shí)戰(zhàn)案例

人工智能領(lǐng)域中各種算法模型的不斷研究和改進(jìn)。隨著深度學(xué)習(xí)的興起，包括卷積神經(jīng)網(wǎng)絡(luò)（CNN）、循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）、生成對(duì)抗網(wǎng)絡(luò)（GAN）、transf...

2024-01-03 標(biāo)簽：gpu物聯(lián)網(wǎng)人工智能 1.7萬(wàn) 0

深度學(xué)習(xí)在人工智能領(lǐng)域的經(jīng)典應(yīng)用

由于深度學(xué)習(xí)，圖像識(shí)別和計(jì)算機(jī)視覺(jué)任務(wù)的性能得到了顯著提高。由于在龐大的數(shù)據(jù)集上訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)，計(jì)算機(jī)現(xiàn)在可以可靠地分類(lèi)和理解圖像，從而開(kāi)辟了廣泛的應(yīng)...

2023-12-15 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)聊天機(jī)器人 770 0

為什么需要分割？U-Net能提供什么？U-Net和自編碼器的區(qū)別

U-Net是一種卷積神經(jīng)網(wǎng)絡(luò)（CNN）方法，由Olaf Ronneberger、Phillip Fischer和Thomas Brox于2015年首次提...

2023-11-25 標(biāo)簽：編碼器機(jī)器學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò) 6838 0

如何訓(xùn)練這些神經(jīng)網(wǎng)絡(luò)來(lái)解決問(wèn)題？

在神經(jīng)網(wǎng)絡(luò)建模中，經(jīng)常會(huì)出現(xiàn)關(guān)于神經(jīng)網(wǎng)絡(luò)應(yīng)該有多復(fù)雜的問(wèn)題，即它應(yīng)該有多少層，或者它的濾波器矩陣應(yīng)該有多大。這個(gè)問(wèn)題沒(méi)有簡(jiǎn)單的答案。與此相關(guān)，討論網(wǎng)絡(luò)過(guò)...

2023-11-24 標(biāo)簽：濾波器神經(jīng)網(wǎng)絡(luò)人工智能 896 0

深度探索AI微控制器對(duì)CNN的硬件轉(zhuǎn)換方案

MAX78000是一款具有超低功耗CNN加速器的AI微控制器，這是一種先進(jìn)的片上系統(tǒng)。它能夠以超低功耗為資源受限的邊緣設(shè)備或物聯(lián)網(wǎng)應(yīng)用提供神經(jīng)網(wǎng)絡(luò)。

2023-11-24 標(biāo)簽：微控制器服務(wù)器AI 572 0

ADAS系統(tǒng)中的可行使區(qū)域Freespace到底如何檢測(cè)？

自動(dòng)駕駛有可能大大減少交通事故、道路擁堵以及相關(guān)的經(jīng)濟(jì)損失。安全的自動(dòng)駕駛需要檢測(cè)周?chē)恼系K物、移動(dòng)物體并識(shí)別可駕駛區(qū)域。

2023-11-15 標(biāo)簽：傳感器解碼器編碼器 881 0

基于機(jī)器視覺(jué)的高精度點(diǎn)膠缺陷檢測(cè)技術(shù)

隨著大數(shù)據(jù)時(shí)代的來(lái)臨，各類(lèi)信息資源的輕易獲取使得深度學(xué)習(xí)的應(yīng)用也越來(lái)越廣泛。特別是在卷積神經(jīng)網(wǎng)絡(luò)中，圖片被深度卷積和池化之后，隱含層能夠表現(xiàn)出比手動(dòng)獲取...

2023-11-02 標(biāo)簽：圖像處理機(jī)器視覺(jué)工業(yè)自動(dòng)化 1042 0