什么是視覺角度的異常檢測 用于異常檢測的技術(shù)有哪些 它在哪里使用

異常是與常態(tài)不同、很少發(fā)生并且不符合“模式”其余部分的事件。

2023-07-27 標(biāo)簽：編碼器SVM計(jì)算機(jī)視覺 1437 0

CNN到底是怎么回事？

它用TensorFlow.js加載了一個(gè)10層的預(yù)訓(xùn)練模型，相當(dāng)于在你的瀏覽器上跑一個(gè)CNN模型，只需要打開電腦，就能了解CNN究竟是怎么回事。

2023-06-28 標(biāo)簽：可視化cnn卷積神經(jīng)網(wǎng)絡(luò) 4330 0

基于深度學(xué)習(xí)算法的一系列目標(biāo)檢測算法

YOLO意思是You Only Look Once，創(chuàng)造性的將候選區(qū)和對象識別這兩個(gè)階段合二為一，看一眼圖片（不用看兩眼哦）就能知道有哪些對象以及它們的位置。

2023-06-19 標(biāo)簽：算法目標(biāo)檢測深度學(xué)習(xí) 413 0

分享一下卷積神經(jīng)網(wǎng)絡(luò)的代碼實(shí)戰(zhàn)

CNN 模型為深度學(xué)習(xí)模型，其具有局部連接、權(quán) 值共享和空間相關(guān)等特性，以及強(qiáng)魯棒性和容錯(cuò)能力，適用于提取深層數(shù)據(jù)特征。

2023-06-02 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)cnn卷積神經(jīng)網(wǎng)絡(luò) 816 0

一款超高集成度光學(xué)卷積處理器

該團(tuán)隊(duì)提出的光學(xué)卷積處理單元實(shí)驗(yàn)驗(yàn)證了手寫數(shù)字圖像特征提取和分類能力。結(jié)果表明，圖像特征提取精度達(dá)到5 bit；對來自MNIST手寫數(shù)字?jǐn)?shù)據(jù)庫的手寫數(shù)字...

2023-06-01 標(biāo)簽：處理器耦合器移相器 843 0

主流的機(jī)器視覺技術(shù)有哪些？

卷積神經(jīng)網(wǎng)絡(luò)是目前計(jì)算機(jī)視覺中使用最普遍的模型結(jié)構(gòu)。引入卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行特征提取，既能提取到相鄰像素點(diǎn)之間的特征模式，又能保證參數(shù)的個(gè)數(shù)不隨圖片尺寸變化。

2023-05-26 標(biāo)簽：機(jī)器人機(jī)器視覺卷積神經(jīng)網(wǎng)絡(luò) 451 0

基于深度學(xué)習(xí)的散射成像研究進(jìn)展

卷積神經(jīng)網(wǎng)絡(luò)（CNN）是一種用于對目標(biāo)進(jìn)行重建、分類等處理的深度學(xué)習(xí)方法。自2016年深度學(xué)習(xí)被首次應(yīng)用于散射成像，該研究一直是光學(xué)成像領(lǐng)域的熱門方向。

2023-05-24 標(biāo)簽：深度學(xué)習(xí)cnn卷積神經(jīng)網(wǎng)絡(luò) 457 0

淺談卷積神經(jīng)網(wǎng)絡(luò)中的平移等變性映射

在機(jī)器學(xué)習(xí)中，我們通常關(guān)注模型的靈活性。我們希望知道選擇的模型實(shí)際上能夠完成我們想要的任務(wù)。

2023-05-22 標(biāo)簽：機(jī)器學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò) 479 0

基于深度學(xué)習(xí)的散射成像機(jī)理與應(yīng)用

彈道光與散射光在散射成像中不同作用的發(fā)現(xiàn)解釋了深度學(xué)習(xí)散射成像無法突破厚度限制的物理原因，對今后深度學(xué)習(xí)散射成像的應(yīng)用研究具有指導(dǎo)意義。

2023-05-17 標(biāo)簽：深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò) 479 0

三個(gè)最流行神經(jīng)網(wǎng)絡(luò)

在本文中，我們將了解深度神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識和三個(gè)最流行神經(jīng)網(wǎng)絡(luò)：多層神經(jīng)網(wǎng)絡(luò)(MLP)，卷積神經(jīng)網(wǎng)絡(luò)(CNN)和遞歸神經(jīng)網(wǎng)絡(luò)(RNN)。

2023-05-15 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)感知器深度學(xué)習(xí) 1655 0

時(shí)空圖神經(jīng)網(wǎng)絡(luò)預(yù)測學(xué)習(xí)應(yīng)用解析

在第四節(jié)中，我們介紹了STGNN的基本神經(jīng)架構(gòu)，增強(qiáng)了對STGNN中時(shí)空學(xué)習(xí)泛化范式的理解。然而，近年來出現(xiàn)了許多前沿方法來改進(jìn)時(shí)空依賴關(guān)系的學(xué)習(xí)。

2023-05-11 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)智慧城市深度學(xué)習(xí) 3424 0

支持向量機(jī)尋找最優(yōu)分類超平面的優(yōu)化問題

根據(jù)，在線性可分情況下，支持向量機(jī)尋找最優(yōu)分類超平面的優(yōu)化問題

2023-05-11 標(biāo)簽：向量機(jī)機(jī)器學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò) 1951 0

CVPR 2023：基于可恢復(fù)性度量的少樣本剪枝方法

在少樣本壓縮場景中，塊級（block-level）剪枝在本質(zhì)上優(yōu)于濾波器級（filter-level）。在相同的延遲下，塊級剪枝可以保留更多原始模型的容...

2023-05-10 標(biāo)簽：濾波器算法卷積神經(jīng)網(wǎng)絡(luò) 1347 0

淺析4個(gè)計(jì)算機(jī)視覺領(lǐng)域常用遷移學(xué)習(xí)模型

使用SOTA的預(yù)訓(xùn)練模型來通過遷移學(xué)習(xí)解決現(xiàn)實(shí)的計(jì)算機(jī)視覺問題。

2023-04-23 標(biāo)簽：人工智能計(jì)算機(jī)視覺機(jī)器學(xué)習(xí) 2224 0

卷積神經(jīng)網(wǎng)絡(luò)目標(biāo)檢測中的YOLO算法詳解

我們的檢測網(wǎng)絡(luò)有24個(gè)卷積層，其次是2個(gè)全連接層。交替1x1卷積層減少了前面層的特征空間。我們在ImageNet分類任務(wù)上以一半的分辨率(224x224...

2023-04-26 標(biāo)簽：檢測器神經(jīng)網(wǎng)絡(luò)卷積神經(jīng)網(wǎng)絡(luò) 3733 0

機(jī)器學(xué)習(xí)——CNN如何進(jìn)行圖像分類

在卷積神經(jīng)網(wǎng)絡(luò)中，感受野( Receptive Field )的定義是卷積神經(jīng)網(wǎng)絡(luò)每層輸出的特征圖.上的像素點(diǎn)在輸入圖片.上映射的區(qū)域大小。換句話說，感...

2023-04-13 標(biāo)簽：機(jī)器學(xué)習(xí)cnn卷積神經(jīng)網(wǎng)絡(luò) 2860 0