完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>
標(biāo)簽 > cnn
文章:291個(gè) 瀏覽:22604次 帖子:26個(gè)
使用深度學(xué)習(xí),制作“圖片+文字”型的表情包
數(shù)據(jù)集是這個(gè)表情包生成器的精髓。他們的數(shù)據(jù)集由大約40萬(wàn)張帶標(biāo)簽和圖說(shuō)的圖片組成。其中有2600個(gè)獨(dú)特的圖像-標(biāo)簽對(duì),是他們寫(xiě)Python腳本從Meme...
2018-07-03 標(biāo)簽:編碼器深度學(xué)習(xí)CNN 1.1萬(wàn) 0
基于FPGA的通用CNN加速器整體框架如下,通過(guò)Caffe/Tensorflow/Mxnet等框架訓(xùn)練出來(lái)的CNN模型,通過(guò)編譯器的一系列優(yōu)化生成模型對(duì)...
2017-10-27 標(biāo)簽:fpga深度學(xué)習(xí)cnn 1.0萬(wàn) 0
KORTIQ公司推出了一款Xilinx FPGA的CNN加速器IP——AIScale
近日KORTIQ公司推出了一款Xilinx FPGA的CNN加速器IP——AIScale,它能夠利用實(shí)現(xiàn)訓(xùn)練好的CNN網(wǎng)絡(luò),比如行業(yè)標(biāo)準(zhǔn)的ResNet、...
關(guān)于深度學(xué)習(xí)中的卷積神經(jīng)網(wǎng)絡(luò)系統(tǒng)的設(shè)計(jì)及硬件實(shí)現(xiàn)
隨著深度學(xué)習(xí)的廣泛應(yīng)用與發(fā)展[1-2],卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)被使用的場(chǎng)景越來(lái)越多,特別是在圖...
2018-06-20 標(biāo)簽:fpga神經(jīng)網(wǎng)絡(luò)cnn 1.0萬(wàn) 0
用CNN把圖形轉(zhuǎn)成ASCII碼字符畫(huà)的方法,并更新了著色工具
Osamu Akiyama提出了一種用CNN把圖形轉(zhuǎn)成ASCII碼字符畫(huà)的方法,并在昨天更新了著色工具,這讓不少機(jī)器學(xué)習(xí)開(kāi)發(fā)者都玩high了。
2018-01-03 標(biāo)簽:ascii機(jī)器學(xué)習(xí)cnn 9925 0
商湯聯(lián)合提出基于FPGA的Winograd算法:改善FPGA上的CNN性能 降低算法復(fù)雜度
商湯科技算法平臺(tái)團(tuán)隊(duì)和北京大學(xué)高能效實(shí)驗(yàn)室聯(lián)合提出一種基于 FPGA 的快速Winograd算法,可以大幅降低算法復(fù)雜度,改善 FPGA 上的 CNN 性能。
神經(jīng)網(wǎng)絡(luò)中的卷積層、池化層與全連接層
在深度學(xué)習(xí)中,卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network, CNN)是一種特別適用于處理圖像數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。它通過(guò)卷積層...
2024-07-11 標(biāo)簽:深度學(xué)習(xí)cnn卷積神經(jīng)網(wǎng)絡(luò) 9229 0
知識(shí)普及:卷積神經(jīng)網(wǎng)絡(luò)模型是怎樣工作的?可以做些什么?
在走進(jìn)深度學(xué)習(xí)的過(guò)程中,最吸引作者的是一些用于給對(duì)象分類(lèi)的模型。最新的科研結(jié)果表示,這類(lèi)模型已經(jīng)可以在實(shí)時(shí)視頻中對(duì)多個(gè)對(duì)象進(jìn)行檢測(cè)。而這就要?dú)w功于計(jì)算...
2018-08-30 標(biāo)簽:深度學(xué)習(xí)CNN 8245 0
優(yōu)化基于FPGA的深度卷積神經(jīng)網(wǎng)絡(luò)的加速器設(shè)計(jì)
CNN已經(jīng)廣泛用于圖像識(shí)別,因?yàn)樗苣7律镆曈X(jué)神經(jīng)的行為獲得很高識(shí)別準(zhǔn)確率。最近,基于深度學(xué)習(xí)算法的現(xiàn)代應(yīng)用高速增長(zhǎng)進(jìn)一步改善了研究和實(shí)現(xiàn)。特別地,多...
Verilog/FPGA開(kāi)源項(xiàng)目卷積神經(jīng)網(wǎng)絡(luò)
CNN 是多層感知器的正則化版本。多層感知器通常表示全連接網(wǎng)絡(luò),即一層中的每個(gè)神經(jīng)元都連接到下一層中的所有神經(jīng)元。這些網(wǎng)絡(luò)的“完全連通性”使它們?nèi)菀走^(guò)度...
2022-05-16 標(biāo)簽:濾波器cnn卷積神經(jīng)網(wǎng)絡(luò) 8164 0
卷積神經(jīng)網(wǎng)絡(luò)的介紹和應(yīng)用用歐姆蛋來(lái)詳細(xì)介紹
關(guān)于卷積神經(jīng)網(wǎng)絡(luò)從交通燈識(shí)別到更實(shí)際的應(yīng)用,我經(jīng)常聽(tīng)到這樣一個(gè)問(wèn)題:“會(huì)否出現(xiàn)一種深度學(xué)習(xí)“魔法”,它僅用圖像作為單一輸入就能判斷出食物質(zhì)量的好壞?”簡(jiǎn)...
2018-07-01 標(biāo)簽:分類(lèi)器CNN卷積神經(jīng)網(wǎng)絡(luò) 7947 0
CNN經(jīng)典網(wǎng)絡(luò)結(jié)構(gòu)之Le-Net5
.C5層在論文中是個(gè)卷積層,但濾波器大小為 5 x 5,所以其本質(zhì)上也是個(gè)全連接層。如果將5 x 5 x 16 拉成一個(gè)向量,它就是一個(gè)全連接層。其輸入...
2018-11-23 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)CNN 7903 0
AI從入門(mén)到放棄:用MLP做圖像分類(lèi)識(shí)別
在沒(méi)有CNN以及更先進(jìn)的神經(jīng)網(wǎng)絡(luò)的時(shí)代,樸素的想法是用多層感知機(jī)(MLP)做圖片分類(lèi)的識(shí)別。
卷積網(wǎng)絡(luò)的技術(shù)基礎(chǔ)、組成模塊、當(dāng)前現(xiàn)狀和研究前景
當(dāng)談到依賴(lài)于序列輸入的任務(wù)時(shí),循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)是最成功的多層架構(gòu)之一。RNN 可被視為一種特殊類(lèi)型的神經(jīng)網(wǎng)絡(luò),其中每個(gè)隱藏單元的輸入時(shí)其當(dāng)前時(shí)間步...
2018-04-15 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)CNN 7826 0
CNN到底學(xué)到了什么?到底是什么樣的特征在影響著CNN的性能?
接下來(lái)我們來(lái)檢驗(yàn)一下,是不是由這張圖來(lái)確定的圖片的分類(lèi)。首先記住,這張圖是最后一層的第 286 個(gè)濾波器。如何檢驗(yàn)?zāi)兀课覀冎恍枰獙⑦@張圖片輸入進(jìn)網(wǎng)絡(luò),并...
2019-01-29 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)人工智能cnn 7760 0
深度學(xué)習(xí)在計(jì)算機(jī)視覺(jué)領(lǐng)域的應(yīng)用一覽
圖像處理,還有視頻處理,曾經(jīng)是很多工業(yè)產(chǎn)品的基礎(chǔ),現(xiàn)在電視,手機(jī)還有相機(jī)/攝像頭等等都離不開(kāi),是技術(shù)慢慢成熟了(傳統(tǒng)方法),經(jīng)驗(yàn)變得比較重要,而且芯片集...
2019-03-23 標(biāo)簽:計(jì)算機(jī)視覺(jué)深度學(xué)習(xí)cnn 7710 0
相同點(diǎn): 傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的擴(kuò)展。 前向計(jì)算產(chǎn)生結(jié)果,反向計(jì)算模型更新。 每層神經(jīng)網(wǎng)絡(luò)橫向可以多個(gè)神經(jīng)元共存,縱向可以有多層神經(jīng)網(wǎng)絡(luò)連接。
如何在Excel中搭建人臉識(shí)別的CNN神經(jīng)網(wǎng)絡(luò)?
人臉識(shí)別技術(shù)已經(jīng)有了非常廣泛的應(yīng)用,國(guó)內(nèi)大規(guī)模監(jiān)控系統(tǒng)背后運(yùn)用的技術(shù)就是人臉識(shí)別。
2018-08-12 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)人臉識(shí)別CNN 7394 0
CNN 采用的是局部感受野 + 共享權(quán)值,這在右圖中的表現(xiàn)為它的神經(jīng)元可以看成是“一整塊”的“視野”,這塊視野的每一個(gè)組成部分都是共享的權(quán)值(右圖中那些...
PolygonRNN++自動(dòng)標(biāo)注使用CNN提取圖像特征
標(biāo)注圖像中的物體掩碼是一項(xiàng)非常耗時(shí)耗力的工作(人工標(biāo)注一個(gè)物體平均需要20到30秒),但在眾多計(jì)算機(jī)視覺(jué)應(yīng)用中(例如,自動(dòng)駕駛、醫(yī)學(xué)影像),它又是不可或...
編輯推薦廠商產(chǎn)品技術(shù)軟件/工具OS/語(yǔ)言教程專(zhuān)題
電機(jī)控制 | DSP | 氮化鎵 | 功率放大器 | ChatGPT | 自動(dòng)駕駛 | TI | 瑞薩電子 |
BLDC | PLC | 碳化硅 | 二極管 | OpenAI | 元宇宙 | 安森美 | ADI |
無(wú)刷電機(jī) | FOC | IGBT | 逆變器 | 文心一言 | 5G | 英飛凌 | 羅姆 |
直流電機(jī) | PID | MOSFET | 傳感器 | 人工智能 | 物聯(lián)網(wǎng) | NXP | 賽靈思 |
步進(jìn)電機(jī) | SPWM | 充電樁 | IPM | 機(jī)器視覺(jué) | 無(wú)人機(jī) | 三菱電機(jī) | ST |
伺服電機(jī) | SVPWM | 光伏發(fā)電 | UPS | AR | 智能電網(wǎng) | 國(guó)民技術(shù) | Microchip |
Arduino | BeagleBone | 樹(shù)莓派 | STM32 | MSP430 | EFM32 | ARM mbed | EDA |
示波器 | LPC | imx8 | PSoC | Altium Designer | Allegro | Mentor | Pads |
OrCAD | Cadence | AutoCAD | 華秋DFM | Keil | MATLAB | MPLAB | Quartus |
C++ | Java | Python | JavaScript | node.js | RISC-V | verilog | Tensorflow |
Android | iOS | linux | RTOS | FreeRTOS | LiteOS | RT-THread | uCOS |
DuerOS | Brillo | Windows11 | HarmonyOS |