康耐視深度學(xué)習(xí)實(shí)現(xiàn)高效血清質(zhì)量檢測(cè)

本期就為大家詳細(xì)介紹一則康耐視深度學(xué)習(xí)技術(shù)，在樣品前處理以及血液檢測(cè)儀器上所涉及到的血清質(zhì)量檢測(cè)應(yīng)用案例。當(dāng)異常血液樣本（黃疸、溶血、脂血）等不良血液誤...

2023-05-26 標(biāo)簽：算法智能化深度學(xué)習(xí) 1399 0

LabVIEW圖形化TensoRT工具包的安裝下載分享

毫秒級(jí)完成目標(biāo)檢測(cè)的TensoRT工具包下載安裝分享

2023-08-14 標(biāo)簽：labview機(jī)器視覺(jué)深度學(xué)習(xí) 1455 0

使用LabVIEW 實(shí)現(xiàn)物體識(shí)別、圖像分割、文字識(shí)別、人臉識(shí)別等深度視覺(jué)

LabVIEW可以實(shí)現(xiàn)深度學(xué)習(xí)嘛，今天我們一起來(lái)看看使用LabVIEW 實(shí)現(xiàn)物體識(shí)別、圖像分割、文字識(shí)別、人臉識(shí)別等深度視覺(jué)

2023-08-11 標(biāo)簽：labview人工智能人臉識(shí)別 3588 1

LabVIEW圖形化的AI視覺(jué)開(kāi)發(fā)平臺(tái)（非NI Vision）VI簡(jiǎn)介

儀酷LabVIEW AI工具包VI簡(jiǎn)介

2023-08-08 標(biāo)簽：labview人工智能深度學(xué)習(xí) 2428 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(duì)目標(biāo)進(jìn)行重建、分類(lèi)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(mén)方向。

2023-05-24 標(biāo)簽：深度學(xué)習(xí)cnn卷積神經(jīng)網(wǎng)絡(luò) 501 0

淺析專(zhuān)用處理器設(shè)計(jì)的6個(gè)關(guān)鍵技術(shù)

無(wú)論是 DSP、GPU、AI 芯片、NPU， 還是現(xiàn)在更新的各種 “XPU”， 都是處理數(shù)據(jù)的芯片， 最終都需要執(zhí)行二進(jìn)制代碼的程序來(lái)完成計(jì)算。

2023-05-22 標(biāo)簽：處理器dsp神經(jīng)網(wǎng)絡(luò) 928 0

你是什么時(shí)候?qū)ι疃葘W(xué)習(xí)失去信心的？

這就使得，原本深度學(xué)習(xí)被詬病可解釋性問(wèn)題，其實(shí)不再是問(wèn)題。因?yàn)閺臉I(yè)務(wù)頂層已經(jīng)被拆分，拆分成一個(gè)個(gè)可以被人理解的因子，無(wú)法被合理解釋的因子，項(xiàng)目啟動(dòng)的評(píng)審...

2023-05-19 標(biāo)簽：數(shù)據(jù)模型深度學(xué)習(xí) 565 0

如何在OpenCV中使用基于深度學(xué)習(xí)的邊緣檢測(cè)？

在這篇文章中，我們將學(xué)習(xí)如何在OpenCV中使用基于深度學(xué)習(xí)的邊緣檢測(cè)，它比目前流行的canny邊緣檢測(cè)器更精確。

2023-05-19 標(biāo)簽：邊緣檢測(cè)opencv深度學(xué)習(xí) 2406 0

「顧大局，識(shí)大體」，Nullmax BEV障礙物檢測(cè)的超級(jí)視野

一方面，傳統(tǒng)算法普遍首先基于深度學(xué)習(xí)在圖像視角完成目標(biāo)檢測(cè)，然后通過(guò)復(fù)雜的后處理將其轉(zhuǎn)換至三維BEV視角。這不僅讓整個(gè)流程變得復(fù)雜，消耗更多算力，而且對(duì)...

2023-05-18 標(biāo)簽：算法目標(biāo)檢測(cè)深度學(xué)習(xí) 995 0

機(jī)器視覺(jué)：從1D到3D，如何提升它的“視力”

理解機(jī)器視覺(jué)系統(tǒng)最簡(jiǎn)單的方法之一是把它看作機(jī)器的眼睛。從專(zhuān)業(yè)角度看，機(jī)器視覺(jué)是一種通過(guò)圖像處理實(shí)現(xiàn)自動(dòng)檢測(cè)和分析應(yīng)用的技術(shù)。可以說(shuō)，機(jī)器視覺(jué)是一種技術(shù)能...

2023-05-18 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)機(jī)器視覺(jué)深度學(xué)習(xí) 1124 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(wú)法突破厚度限制的物理原因，對(duì)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) 523 0

深度學(xué)習(xí)基礎(chǔ)知識(shí)(5)

上一節(jié)中說(shuō)到，需要求使損失函數(shù)最小的權(quán)重和偏置，高中數(shù)學(xué)中，求函數(shù)的極值就是使函數(shù)導(dǎo)數(shù)為0的點(diǎn)。

2023-05-16 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)計(jì)算機(jī)函數(shù) 981 0

深度學(xué)習(xí)基礎(chǔ)知識(shí)(4)

神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)：從訓(xùn)練數(shù)據(jù)中自動(dòng)獲取最優(yōu)權(quán)重的過(guò)程，是使損失函數(shù)的值最小的權(quán)重參數(shù)。

2023-05-16 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)函數(shù)SVM 925 0

深度學(xué)習(xí)基礎(chǔ)知識(shí)(3)

多維數(shù)組：np.dim()可以獲得數(shù)組的維數(shù)，np.shape()可以獲得數(shù)組的形狀，返回一個(gè)元組，對(duì)應(yīng)每一個(gè)維度的元素個(gè)數(shù)。二維數(shù)組即矩陣。

2023-05-16 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)函數(shù)神經(jīng)元 683 0

深度學(xué)習(xí)基礎(chǔ)知識(shí)(2)

第0層是輸入層，最后一層是輸出層，中間是中間層或隱藏層。上圖中的網(wǎng)絡(luò)有3層神經(jīng)元，實(shí)質(zhì)只有兩層有權(quán)重，因此稱(chēng)為兩層網(wǎng)絡(luò)。

2023-05-16 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)函數(shù) 902 0

深度學(xué)習(xí)基礎(chǔ)知識(shí)(1)

首先，我們簡(jiǎn)單了解什么是感知器，感知器就是單個(gè)神經(jīng)元。

2023-05-16 標(biāo)簽：邏輯門(mén)神經(jīng)元感知器 1095 0

AI助力初創(chuàng)企業(yè)：運(yùn)用機(jī)器學(xué)習(xí)解決問(wèn)題

初創(chuàng)企業(yè)將一些最具創(chuàng)新性的產(chǎn)品和服務(wù)推向市場(chǎng)，但通常要少量工具、手動(dòng)操作以及不斷拓展專(zhuān)業(yè)知識(shí)的人員。人工智能 (AI)，尤其是機(jī)器學(xué)習(xí) (ML) 和深度...

2023-05-16 標(biāo)簽：人工智能機(jī)器學(xué)習(xí)深度學(xué)習(xí) 832 0

人工智能深度學(xué)習(xí)的框架簡(jiǎn)述

深度學(xué)習(xí)框架是用于開(kāi)發(fā)和運(yùn)行人工智能算法的平臺(tái)，它為軟件人員開(kāi)發(fā)人工智能提供了模塊化的基礎(chǔ)，一般提供數(shù)據(jù)輸人、編寫(xiě)神經(jīng)網(wǎng)絡(luò)模型、訓(xùn)練模型、硬件驅(qū)動(dòng)和部署...

2023-05-16 標(biāo)簽：框架人工智能深度學(xué)習(xí) 2415 0