您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. cognex vidi深度学习图像处理软件2.1(没有licence)

  2. 缺陷检测 智能识别 深度学习 快速定位识别 智能分类 ViDi蓝色 - 特征检测 使用ViDi蓝色在您的图像中执行 功能检测和 本地化。它会自动找到所有寻找的零件。 ViDi红 - 异常检测 使用 ViDi红色识别 图像中的异常 和缺陷。它将突出显示并评分任何类型的异常。 ViDi绿色 - 图像分类 使用 ViDi绿色在图像中执行对象和场景分类。它会自动找到什么使每个类别可辨别。 ViDi | Deep learning | Image Analysis Software - ViDi Sys
  3. 所属分类:机器学习

    • 发布日期:2017-09-06
    • 文件大小:61865984
    • 提供者:crcsafe
  1. cognex vidi深度学习图像处理软件2.1-2(没有licence)

  2. 缺陷检测 智能识别 深度学习 快速定位识别 智能分类 ViDi蓝色 - 特征检测 使用ViDi蓝色在您的图像中执行 功能检测和 本地化。它会自动找到所有寻找的零件。 ViDi红 - 异常检测 使用 ViDi红色识别 图像中的异常 和缺陷。它将突出显示并评分任何类型的异常。 ViDi绿色 - 图像分类 使用 ViDi绿色在图像中执行对象和场景分类。它会自动找到什么使每个类别可辨别。 ViDi | Deep learning | Image Analysis Software - ViDi Sys
  3. 所属分类:机器学习

    • 发布日期:2017-09-06
    • 文件大小:61865984
    • 提供者:crcsafe
  1. cognex vidi深度学习图像处理软件2.1-3(没有licence)

  2. 缺陷检测 智能识别 深度学习 快速定位识别 智能分类 QQ:839350575 ViDi蓝色 - 特征检测 使用ViDi蓝色在您的图像中执行 功能检测和 本地化。它会自动找到所有寻找的零件。 ViDi红 - 异常检测 使用 ViDi红色识别 图像中的异常 和缺陷。它将突出显示并评分任何类型的异常。 ViDi绿色 - 图像分类 使用 ViDi绿色在图像中执行对象和场景分类。它会自动找到什么使每个类别可辨别。 ViDi | Deep learning | Image Analysis Softwa
  3. 所属分类:深度学习

    • 发布日期:2017-09-06
    • 文件大小:25165824
    • 提供者:crcsafe
  1. Cognex ViDi 2.1版下载

  2. 缺陷检测 智能识别 深度学习 快速定位识别 智能分类 ViDi蓝色 - 特征检测 使用ViDi蓝色在您的图像中执行 功能检测和 本地化。它会自动找到所有寻找的零件。 ViDi红 - 异常检测 使用 ViDi红色识别 图像中的异常 和缺陷。它将突出显示并评分任何类型的异常。 ViDi绿色 - 图像分类 使用 ViDi绿色在图像中执行对象和场景分类。它会自动找到什么使每个类别可辨别。 ViDi | Deep learning | Image Analysis Software - ViDi Sys
  3. 所属分类:深度学习

    • 发布日期:2018-09-01
    • 文件大小:64
    • 提供者:l403091644
  1. Cognex ViDi Suite Installer v3.1.1.10701 下载

  2. 由于资源较大无法直接上传,所以上传至百度云,附件是下载地址和密码。 缺陷检测 智能识别 深度学习 快速定位识别 智能分类 ViDi蓝色 - 特征检测 使用ViDi蓝色在您的图像中执行 功能检测和 本地化。它会自动找到所有寻找的零件。 ViDi红 - 异常检测 使用 ViDi红色识别 图像中的异常 和缺陷。它将突出显示并评分任何类型的异常。 ViDi绿色 - 图像分类 使用 ViDi绿色在图像中执行对象和场景分类。它会自动找到什么使每个类别可辨别。 ViDi | Deep learning |
  3. 所属分类:深度学习

    • 发布日期:2018-09-01
    • 文件大小:64
    • 提供者:l403091644
  1. 基于深度学习的暴力检测及人脸识别方法研究

  2. 随着“平安城市”建设的不断推进,公共安全逐渐成为人们关注的热点间 题,税频监控技术也随之得到了越来越广泛的应用,传统的视频监控系统主要提供采集存储功能,这远远无法满足人们对其智能化的需求。要实现智能化的视频监控系统,以下几个关键问题亟需解决:(1)如何快速发现监控视频中的异常行为,及时给出警报,并最大限度地减少误报和漏报现象;(2)如何在多种不利因素下(如羊样本,低分辨率)对可疑目标进行准确的识别分析:(3)在海量数据的情况下,如何确保视频分析系统的实时性及准确性。 近年来,深度学习在机器视觉、
  3. 所属分类:硬件开发

    • 发布日期:2018-12-28
    • 文件大小:10485760
    • 提供者:weixin_44102991
  1. 基于深度学习的视觉场景识别

  2. 基于深度学习的视觉场景识别,有测试图,完整的代码,可以顺畅运行,是关于深度学习很好的算法学习,作为算例可深入研究应用。
  3. 所属分类:深度学习

    • 发布日期:2020-04-28
    • 文件大小:303
    • 提供者:qq_42411670
  1. 基于视觉信息和深度学习的中文唇语数据集构建与识别_胡扬.caj

  2. 本文以中文唇语识别为主线,通过更有效的数据收集手段将中文的唇语识别问 题拓展到更一般更现实的中文环境中,并通过深度学习技术有效解决现实环境下变 长唇语序列图片的中文识别问题。本文的主要研究内容包括: 1. 研究以互联网视频为数据源头,自动快速构建中文唇语数据集的方法。互联 网视频中的场景变化较多,与现实环境相符,同时资源获取成本较低,本文 基于此,提出有效的从互联网视频中获取可以用于训练唇读模型的唇部序列 图片和对应的中文内容。 2. 研究中文唇语识别的网络设计。相较于限定实验环境下的唇
  3. 所属分类:深度学习

    • 发布日期:2020-04-27
    • 文件大小:1048576
    • 提供者:zhr_the_great
  1. 基于matlab的深度学习的视觉场景识别.zip

  2. 基于matlab的深度学习的视觉场景识别,本实验选择经典的Corel图像库,基于注明的matconvnet工具箱进行深度学习实验,包括工具箱配置、训练集制作、模型设计、训练和识别验证等过程,可应用于视觉场景分类识别,仿真亲测可用,有很高的参考价值
  3. 所属分类:深度学习

    • 发布日期:2020-04-10
    • 文件大小:502
    • 提供者:qq_41782791
  1. 《安防+AI 人工智能工程化白皮书》.pdf

  2. 『安防+AI 人工智能工程化白皮书』集合了中科院自动化所、浙江 宇视科技有限公司的技术专家及行业专家的研究成果、实践经验。本报告从当前 人工智能技术与产业发展的背景、智慧安防生态圈、智慧安防典型应用、智慧安 防规模化应用存在的问题,以及智慧安防未来趋势等五个维度,系统梳理总结了 当前安防+AI 的发展现状,尤其重点分析指出了智慧安防领域存在的八大限制性 因素,以及智慧安防的八大新的发展趋势,供学术界及实业界的学者、专家参考。第四章智慧安防规模应用的八大限制性因素 24 4.1成本高昂 25 4.
  3. 所属分类:机器学习

    • 发布日期:2019-10-20
    • 文件大小:4194304
    • 提供者:yutong_zhou
  1. 基于视觉的人体行为识别算法研究综述.zip

  2. 主要讲述人体行为识别的基础流程,归纳了人体行为识别常用的数据集,总结了时域分割的发展现状和常用的方法,讲解了人体行为识别比较经典的方法,并归纳了人体行为识别最新、最热的深度学习方法。引入了动作分割,再结合行为识别,能够实现连续的人体行为识别,使得行为识别适用于实际场景,而不再是对经过人工剪辑好的单个视频进行识别,这在实际应用中意义重大。
  3. 所属分类:互联网

    • 发布日期:2020-05-30
    • 文件大小:3145728
    • 提供者:qq_40943944
  1. 基于机器视觉的智能导盲眼镜设计

  2. 提出一种基于机器视觉的智能导盲眼镜系统的设计方案。采用三星公司Cortex-A8架构的 S5PV210作为中央处理器,搭载Linux系统,配备双目采集、GPS定位、语音播报、GSM短信、语音通话、无线传输六大核心功能模块搭建智能导盲眼镜系统的硬件平台,结合深度学习算法在远程云服务器上完成了对目标场景的智能识别,最后以语音的形式实时对盲人的行走作出准确引导。系统测试结果表明,该智能导盲眼镜系统在测试环境下不仅能对盲人出行正确导航,还具有一定的目标识别能力,能帮助盲人进行简易物品归类。该系统还兼有G
  3. 所属分类:其它

    • 发布日期:2020-10-16
    • 文件大小:484352
    • 提供者:weixin_38647925
  1. 基于卷积神经网络的火灾视频图像检测

  2. 随着计算机技术的发展,融合计算机视觉、机器学习、深度学习等技术的火灾图像处理技术得到了广泛的研究和应用。针对传统图像处理方法预处理过程复杂且误报率高等问题,提出一种基于深度卷积神经网络模型进行火灾检测的方法,其减少了复杂的预处理环节,将整个火灾识别过程整合成一个单深度神经网络,便于训练与优化。针对识别过程中类似火灾场景对火灾检测产生干扰的问题,利用火灾的运动特性,创新性地提出利用火灾视频前后帧火灾坐标位置变化来排除灯光等类似火灾场景对检测的干扰。对比了众多深度学习开源框架后,选择Caffe框架进
  3. 所属分类:其它

    • 发布日期:2020-10-15
    • 文件大小:808960
    • 提供者:weixin_38750209
  1. 基于深度学习的人脸表情识别研究及应用.pdf

  2. 中文摘要 摘 要 在人类日常沟通交流中通过表情传达的信息占据全部信息的一半以上人 脸表情可以反映出人的情绪和状态人脸情绪识别是计算机视觉领域重要研究方 向之一包括虚拟现实增强现实交互机器人以及交通安全领域需要人脸情绪 识别技术来改善应用的性能提升应用体验 随着人脸表情识别研究的不断发展从研究少量的实验室制作的人脸表情研 究到研究基于海量数据的现实场景下的人脸表情研究研究人脸表情识别的方 法也由传
  3. 所属分类:互联网

    • 发布日期:2020-09-09
    • 文件大小:4194304
    • 提供者:m0_52957036
  1. 汇总|基于3D点云的深度学习方法

  2. 作者:Tom Hardy Date:2020-2-18 来源:汇总|基于3D点云的深度学习方法 本文参考:https://arxiv.org/pdf/1912.12033.pdf 前言 三维数据通常可以用不同的格式表示,包括深度图像、点云、网格和体积网格。点云表示作为一种常用的表示格式,在三维空间中保留了原始的几何信息,不需要任何离散化。因此,它是许多场景理解相关应用(如自动驾驶和机器人)的首选表示。近年来,深度学习技术已成为计算机视觉、语音识别、自然语言处理、生物信息学等领域的研究热点,然而,
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:657408
    • 提供者:weixin_38551143
  1. Internship_2021:Github页面用于语义分割工作的实习描述-源码

  2. 计算机视觉实习:用于场景理解的RGB-D语义分割 语境 我们正在寻找里尔大学Fox团队,CRIStAL的计算机视觉研究工作的实习生。 FoX团队致力于从各种视觉输入(图像,视频,深度信息,基于事件的传感器等)中提取信息。我们的研究方向包括: 人类行为理解 面部表情识别 生物启发的模式识别方法 对物体和场景的理解。 目标 语义场景感知和理解是许多现代应用程序(例如移动机器人导航)的基本任务。为了实现这一任务,语义分割是许多后续过程的第一步:人的感知,避障,语义映射等。语义分割是将图像的每个像素分配
  3. 所属分类:其它

    • 发布日期:2021-03-21
    • 文件大小:104448
    • 提供者:weixin_42117150
  1. 3d-photo-inpainting:[CVPR 2020]使用上下文感知的分层深度修补进行3D摄影-源码

  2. [CVPR 2020]使用上下文感知的分层深度修补进行3D摄影 [] [] [ ] 我们提出了一种用于将单个RGB-D输入图像转换为3D照片的方法,即用于新颖视图合成的多层表示,该方法在原始视图中所包含的区域中包含幻觉的颜色和深度结构。我们使用具有显式像素连通性的分层深度图像作为基础表示,并提出一种基于学习的修复模型,该模型以空间上下文感知的方式将新的局部颜色和深度内容迭代地合成到被遮挡的区域中。使用标准图形引擎,可以使用运动视差有效地渲染生成的3D照片。与最先进的技术相比,我们在各种具有挑
  3. 所属分类:其它

    • 发布日期:2021-03-19
    • 文件大小:7340032
    • 提供者:weixin_42118011
  1. 基于改进SSD的交通大场景多目标检测

  2. 现有目标检测算法在复杂大场景下多目标检测的精度和实时性难以平衡,为此,受深度神经网络卷积核形态启发,模仿了人眼视觉机理,改进了基于深度学习的目标检测框架,即单向多框检测器(SSD),提出了多目标检测框架——自适应感知SSD,将其专用于复杂大交通场景多目标检测。设计了由多形态、彩色Gabor构成的特征卷积核库,训练筛选最优特征提取卷积核组替换原有网络的低级卷积核组,从而提高检测精度;将单图像检测框架与卷积长短期记忆网络结合,通过瓶颈-长短期记忆层提炼传播帧间的特征映射,实现网络帧级信息的时序关联,
  3. 所属分类:其它

    • 发布日期:2021-02-12
    • 文件大小:10485760
    • 提供者:weixin_38711369
  1. 深度场景分类:直方图,SIFT和基于深度学习的功能之间场景分类准确性的比较-源码

  2. 深度场景分类 在计算机视觉文献中,使用某些某些不同的场景图像进行场景分类是非常重要且至关重要的问题。 特别是,用计算机实现自动化将在机器人和自动化方面带来巨大收益。 尽管计算机距离人类的视觉理解能力还很远,但是研究人员在这一领域做出了许多重大贡献。 作为一般分类问题,图像场景分类问题具有相同的两个基本步骤。 这些分别是特征提取和分类。 特征提取步骤包括弄清楚必须如何表示场景图像。 如果我们以人类的视觉理解为类比,则人类的大脑会对图像进行编码并为其添加某些特定特征的索引。 让我们假设我们一看到苹
  3. 所属分类:其它

    • 发布日期:2021-02-04
    • 文件大小:40894464
    • 提供者:weixin_42160645
  1. 基于深度学习的自动驾驶车辆的端到端控制器中的场景理解

  2. 深度学习技术已广泛用于自动驾驶社区,以实现对环境的感知。最近,它开始被用于学习复杂驾驶场景的端到端控制器。但是,网络体系结构的复杂性和非线性限制了其理解驾驶场景并判断感官场景中某些视觉区域的重要性的可解释性。在本文中,基于卷积神经网络(CNN),我们提出了两个互补的框架来自动确定输入场景的最有贡献的区域,从而提供了有关受过训练的端到端自动驾驶汽车控制器如何理解驾驶场景的直观知识。在第一个框架中,通过利用CNN可视化的最新进展提出了一种基于特征图的方法,其中反卷积方法恢复了特征图以提取对理解驾驶场
  3. 所属分类:其它

    • 发布日期:2021-03-21
    • 文件大小:3145728
    • 提供者:weixin_38659159
« 12 »