注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 深度学习博硕论文集合3

  2. 基于CUDA架构的深度时空推理网络 2 pdf 基于人工神经网络的纹理分析方法在光学相干层析图像分类中的应用 pdf 基于卷积神经网络的深度学习算法与应用研究 pdf 基于卷积神经网络的自然场景下的车牌检测 pdf 基于正则化的深度学习模型研究 pdf 基于深度学习与MQDF相结合的手写汉字识别方法 pdf 基于深度学习和信息增益的否定选择算法 pdf 基于深度学习的数据融合在FPSO监测预警系统上的应用 pdf 基于深度学习的气体识别研究 pdf 基于深度学习的视频人脸识别方法 pdf 基于

  3. 所属分类：专业指导

    • 发布日期：2014-10-16
    • 文件大小：52428800
    • 提供者：wuzaiwuzai

  1. 基于深度学习的无人车夜视图像语义分割

  2. 为了增强无人车对夜视图像的场景理解,在夜间模式下更快更精确地探测和识别周围环境,将深度学习应用于夜视图像的场景语义分割,提出了一种基于卷积-反卷积神经网络的无人车夜视图像语义分割方法。在传统的卷积神经网络中加入反卷积网络,构建卷积-反卷积神经网络,无需手工选取特征。通过像素到像素的学习和训练,得到图像语义分割模型,可直接用该模型预测夜视图像中每个像素所属的场景语义类别,实现无人车夜间行驶时的环境感知。实验结果表明,该方法具有较好的准确性和实时性,平均IU达到68.47。

  3. 所属分类：深度学习

    • 发布日期：2017-09-01
    • 文件大小：2097152
    • 提供者：weixin_34987539

  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2.1－3（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. 深度学习在美团点评的应用

  2. 近年来，深度学习在语音、图像、自然语言处理等领域取得非常突出的成果，成了最引人注目的技术热点之一。美团点评这两年在深度学习方面也进行了一些探索，其中在自然语言处理领域，我们将深度学习技术应用于文本分析、语义匹配、搜索引擎的排序模型等；在计算机视觉领域，我们将其应用于文字识别、目标检测、图像分类、图像质量排序等。下面我们就以语义匹配、图像质量排序及文字识别这三个应用场景为例，来详细介绍美团点评在深度学习技术及应用方面的经验和方法论。

  3. 所属分类：深度学习

    • 发布日期：2018-03-07
    • 文件大小：512000
    • 提供者：qq_40841714

  1. 遥感影像场景识别tensorflow-CNN

  2. 遥感影像场景识别—含有代码数据训练模型结果-亲测有效

  3. 所属分类：深度学习

    • 发布日期：2018-09-28
    • 文件大小：9216
    • 提供者：u011058229

  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. 基于深度学习的道路交通标志数字识别技术探究.pdf

  2. 选取 了自然场景 中的交通标志为研究对象，采集了大量实景图像作为训练样本和测试样本，采用一种新型的深度学习~ JM PC N N (M ax—pooling C onvolutionalN euralN et、vorks)进行识别实验，实验结果表明，深度学习方法在交通标志识别上不需要任何人工特征提取模型预先提取特征直接对原始图进行训练学习就能取得较高的识别效率。

  3. 所属分类：深度学习

    • 发布日期：2020-04-25
    • 文件大小：547840
    • 提供者：weixin_39164435

  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. 基于深度学习的文字识别技术现状及发展趋势.pdf

  2. 为线上查找到的金莲文老师演讲ppt资源；主要讲述了深度学习下文字的识别现状，应用场景、发展趋势。主要讲述了深度学习下文字的识别现状，应用场景、发展趋势。主要讲述了深度学习下文字的识别现状，应用场景、发展趋势。主要讲述了深度学习下文字的识别现状，应用场景、发展趋势。

  3. 所属分类：机器学习

    • 发布日期：2020-05-28
    • 文件大小：121634816
    • 提供者：qingfenglu

  1. 基于深度学习的自然场景文本识别

  2. 基于深度学习的自然场景文本识别

  3. 所属分类：专业指导

    • 发布日期：2016-07-08
    • 文件大小：3145728
    • 提供者：cotteny

  1. 基于深度学习的实时识别硬件系统框架设计

  2. 设计了一种基于深度学习的实时识别硬件系统框架。该系统框架使用Keras完成卷积神经网络模型的训练并提取出网络的参数，利用ZYNQ器件的FPGA+ARM软硬件协同的方式，使用ARM完成对实时图像数据的采集、预处理及显示，通过FPGA实现卷积神经网络的硬化并对图像进行识别，再将识别结果发送至上位机进行实时显示。系统框架采用MNIST和Fashion MNIST数据集作为网络模型硬化试验样本，实验结果表明，在一般场景下该系统框架能够实时、准确地完成图像数据的获取、显示及识别，并且具有可移植性高、处理速

  3. 所属分类：其它

    • 发布日期：2020-10-15
    • 文件大小：387072
    • 提供者：weixin_38600253

  1. Dlib+OpenCV深度学习人脸识别的方法示例

  2. 前言 人脸识别在LWF(Labeled Faces in the Wild)数据集上人脸识别率现在已经99.7%以上，这个识别率确实非常高了，但是真实的环境中的准确率有多少呢？我没有这方面的数据，但是可以确信的是真实环境中的识别率并没有那么乐观。现在虽然有一些商业应用如员工人脸识别管理系统、海关身份验证系统、甚至是银行人脸识别功能，但是我们可以仔细想想员工人脸识别管理，海关身份证系统的应用场景对身份的验证功能其实并没有商家吹嘘的那么重要，打个比方说员工上班的时候刷脸如果失败了会怎样，是不是重新识

  3. 所属分类：其它

    • 发布日期：2020-12-31
    • 文件大小：309248
    • 提供者：weixin_38747144

  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. 3D-Terrain-Recognition:ALS点云的多视图和多模式表示的深度融合，用于3D地形场景识别-源码

  2. ALS点云的多视图和多模式表示的深度融合，用于3D地形场景识别 ALS点云的多视图和多模式表示的深度融合，用于3D地形场景识别 秦楠楠，胡向云*，戴恒明 [] 地形场景类别不仅可用于某些地理或环境研究，而且还可用于为多个点云处理任务选择合适的算法或算法的合适参数，以实现更好的性能。 但是，目前很少有针对地形场景分类的点云处理研究。 本文提出了一种新的深度学习框架，该框架使用稀疏点云的2D表示进行3D地形场景识别。 该框架有两个关键组成部分。 （1）首先，从机载激光扫描点云中提取几个合适的判别性

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：2097152
    • 提供者：weixin_42122432

  1. 深度学习在美团点评的应用

  2. 近年来，深度学习在语音、图像、自然语言处理等领域取得非常突出的成果，成了最引人注目的技术热点之一。美团点评这两年在深度学习方面也进行了一些探索，其中在自然语言处理领域，我们将深度学习技术应用于文本分析、语义匹配、搜索引擎的排序模型等;在计算机视觉领域，我们将其应用于文字识别、目标检测、图像分类、图像质量排序等。下面我们就以语义匹配、图像质量排序及文字识别这三个应用场景为例，来详细介绍美团点评在深度学习技术及应用方面的经验和方法论。语义匹配技术，在信息检索、搜索引擎中有着重要的地位，在结果召回、精

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：479232
    • 提供者：weixin_38641366

  1. 复杂的就好吗？来聪明的选择深度学习模型吧

  2. 深度学习、机器学习与人工智能已经对计算机科学领域产生极为深远的影响。从图像识别到围棋竞技等众多领域，深度学习的实际表现都已远超人类。深度学习的一大优势在于，深度学习的水平提升可以在各类场景下实现通用。在某一领域中适用于深度学习的具体技术，通常可以直接转移至其他领域而无需经过任何修改。更具体地讲，构建大量计算密集型图像与语音识别类深度学习模型的方法，已经全面渗透至自然语言处理当中。现在，深度学习社区正在将自然语言处理（简称NLP）视为技术研究与应用的下一个前沿。深度学习系统是需要大量计算设备作为配

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：672768
    • 提供者：weixin_38663443

  1. 干货：如何从系统层面优化深度学习计算？

  2. 本文于来源于网络,主要介绍了优化、助力深度学习计算等方面的知识，希望对大家的学习能有帮助。深度学习在近几年里取得了巨大的进步，它已经或者是有望成功地被应用在我们许多生活场景中，比如自动驾驶、安防、翻译、医疗等等。可以说，计算机的计算和通信能力的大幅提升是促使深度学习成功的重要因素。在图像、语音识别、自然语言处理、强化学习等许多技术领域中，深度学习已经被证明是非常有效的，并且在某些问题上已经达到甚至超越了人类的水平。然而，深度学习对于计算能力有着很大的依赖，除了改变模型和算法，是否可以从系统的层面

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：243712
    • 提供者：weixin_38693524

  1. 深度学习场景识别：在本项目中，我们使用CNN将图像分类为不同的场景。 我们的目标包括构建使用PyTorch进行深度学习的基本管道，了解不同层，优化器背后的概念以及在观察性能的同时尝试不同的模型-源码

  2. 深度学习中的场景识别 在此项目中，我们使用CNN将图像分类为不同的场景。 该项目的目标包括构建使用PyTorch进行深度学习的基本管道，了解不同层，优化器背后的概念以及尝试使用不同的模型并观察性能。 项目设计归因：佐治亚理工学院，CS 6476（2020年秋季），Frank Dellaert

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：2097152
    • 提供者：weixin_42105169
« 12 3 4 5 6 »