EEPW首頁(yè) >>
主題列表 >>
卷積神經(jīng)網(wǎng)絡(luò)
卷積神經(jīng)網(wǎng)絡(luò) 文章 進(jìn)入卷積神經(jīng)網(wǎng)絡(luò)技術(shù)社區(qū)
基于卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別檢測(cè)分析
- 為了提高人臉識(shí)別檢測(cè)精度，應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行分析。在建立AlexNet網(wǎng)絡(luò)結(jié)構(gòu)的基礎(chǔ)上，將Dropout技術(shù)引進(jìn)全連接層中，給出了具體的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)。研究結(jié)果表明：本文算法表現(xiàn)出較高的召回率，人臉簽到系統(tǒng)的基礎(chǔ)需求得到滿足。側(cè)臉及戴頭盔遮擋照片觀察對(duì)比得出，檢測(cè)人臉圖片的準(zhǔn)確度及清晰度均相對(duì)較高，表明對(duì)于部分遮擋人臉或側(cè)臉采用本文算法展示的魯棒性較佳。該研究有助于提高在遮擋情況下人臉識(shí)別能力，對(duì)圖像處理優(yōu)化起到一定的理論支撐。
- 關(guān)鍵字： 202308 人臉識(shí)別 卷積神經(jīng)網(wǎng)絡(luò) 網(wǎng)絡(luò)結(jié)構(gòu) 檢測(cè)精度
基于機(jī)器視覺(jué)的水面垃圾尋航系統(tǒng)*
- 水面垃圾會(huì)造成水體污染，它不僅破壞了水域生態(tài)系統(tǒng)平衡，并且對(duì)人類社會(huì)的生產(chǎn)和生活也產(chǎn)生了巨大危害，還會(huì)影響到船只的航行安全。目前，市面上主要的水面垃圾清理船體型龐大，很難應(yīng)用在一些小型水域。并且多采用人工搜尋和清理的方式，但是人工搜尋效率低，人力成本高。針對(duì)該問(wèn)題，設(shè)計(jì)了一款基于機(jī)器視覺(jué)的水面垃圾尋航系統(tǒng)，該裝置基于YOLO-V2卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行目標(biāo)檢測(cè)，尋找水面垃圾等漂浮物，控制船只靠近目標(biāo)物進(jìn)行拾取，通過(guò)GPS進(jìn)行導(dǎo)航，使用蟻群算法和完全遍歷算法進(jìn)行路徑規(guī)劃，同時(shí)用ESP32-cam和小熊派完成云
- 關(guān)鍵字： 202307 水面垃圾 卷積神經(jīng)網(wǎng)絡(luò) 優(yōu)化算法 PID 路徑規(guī)劃
卷積神經(jīng)網(wǎng)絡(luò)的硬件轉(zhuǎn)換：什么是機(jī)器學(xué)習(xí)？——第三部分
- 摘要本系列文章由三部分組成，主要探討卷積神經(jīng)網(wǎng)絡(luò)(CNN)的特性和應(yīng)用。CNN主要用于模式識(shí)別和對(duì)象分類。作為系列文章的第三部分，本文重點(diǎn)解釋如何使用硬件轉(zhuǎn)換卷積神經(jīng)網(wǎng)絡(luò)(CNN)，并特別介紹使用帶CNN硬件加速器的人工智能(AI)微控制器在物聯(lián)網(wǎng)(IoT)邊緣實(shí)現(xiàn)人工智能應(yīng)用所帶來(lái)的好處。系列文章的前兩篇文章為《卷積神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介：什么是機(jī)器學(xué)習(xí)？——第一部分》和《訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)：什么是機(jī)器學(xué)習(xí)？——第二部分》。 簡(jiǎn)介AI應(yīng)用通常需要消耗大量能源，并以服務(wù)器農(nóng)場(chǎng)或昂貴的現(xiàn)場(chǎng)可編程門陣列(FPG
- 關(guān)鍵字： 卷積神經(jīng)網(wǎng)絡(luò) 硬件轉(zhuǎn)換 機(jī)器學(xué)習(xí) ADI
卷積神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介：什么是機(jī)器學(xué)習(xí)？——第一部分
- 隨著人工智能(AI)技術(shù)的快速發(fā)展，AI可以越來(lái)越多地支持以前無(wú)法實(shí)現(xiàn)或者難以實(shí)現(xiàn)的應(yīng)用。本系列文章基于此解釋了卷積神經(jīng)網(wǎng)絡(luò)(CNN)及其對(duì)人工智能和機(jī)器學(xué)習(xí)的意義。CNN是一種能夠從復(fù)雜數(shù)據(jù)中提取特征的強(qiáng)大工具，例如識(shí)別音頻信號(hào)或圖像信號(hào)中的復(fù)雜模式就是其應(yīng)用之一。本文討論了CNN相對(duì)于經(jīng)典線性規(guī)劃的優(yōu)勢(shì)，后續(xù)文章《訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)：什么是機(jī)器學(xué)習(xí)？——第二部分》將討論如何訓(xùn)練CNN模型，系列文章的第三部分將討論一個(gè)特定用例，并使用專門的AI微控制器對(duì)模型進(jìn)行測(cè)試。什么是卷積神經(jīng)網(wǎng)絡(luò)？神經(jīng)網(wǎng)絡(luò)是一種由神
- 關(guān)鍵字： ADI 卷積神經(jīng)網(wǎng)絡(luò) 機(jī)器學(xué)習(xí)
基于深度學(xué)習(xí)的智能電網(wǎng)短期日負(fù)荷曲線預(yù)測(cè)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
- 短期電力負(fù)荷精準(zhǔn)預(yù)測(cè)對(duì)發(fā)電容量與輸電方式的合理調(diào)度、確保電力系統(tǒng)安全、穩(wěn)定運(yùn)行起著至關(guān)重要的作用。本文針對(duì)負(fù)荷數(shù)據(jù)基數(shù)大、難提取、負(fù)荷預(yù)測(cè)影響因素多等問(wèn)題，運(yùn)用Mysql數(shù)據(jù)庫(kù)和Python爬蟲技術(shù)構(gòu)建了短期負(fù)荷曲線預(yù)測(cè)基礎(chǔ)數(shù)據(jù)平臺(tái)，提高了數(shù)據(jù)的存取效率；針對(duì)電力負(fù)荷的隨機(jī)波動(dòng)性，運(yùn)用Pandas、關(guān)聯(lián)分析算法完成了缺失值處理和影響因素與用電負(fù)荷的相關(guān)性分析；為提高預(yù)測(cè)精度，探索使用了融合卷積神經(jīng)網(wǎng)絡(luò)、長(zhǎng)短期記憶網(wǎng)格和注意力機(jī)制的多元混合神經(jīng)網(wǎng)絡(luò)模型。
- 關(guān)鍵字： 202302 深度學(xué)習(xí) 短期負(fù)荷預(yù)測(cè) 卷積神經(jīng)網(wǎng)絡(luò) 長(zhǎng)短期記憶網(wǎng)格 Flask
基于機(jī)器視覺(jué)的帶鋼焊縫定位
- 提出了一種基于機(jī)器視覺(jué)的帶鋼焊縫檢測(cè)與定位技術(shù)，在原CenterNet算法的基礎(chǔ)上增加旋轉(zhuǎn)角度的回歸實(shí)現(xiàn)了旋轉(zhuǎn)目標(biāo)檢測(cè)，并根據(jù)網(wǎng)絡(luò)的輸入?yún)?shù)制作合適的數(shù)據(jù)集。為了進(jìn)一步提高模型的精度和魯棒性，分別引入了可變形卷積和金字塔分割注意力模塊，多組實(shí)驗(yàn)結(jié)果對(duì)比表明，該方法能在精確率、召回率、F值和檢測(cè)速度上得到提升，滿足實(shí)際檢測(cè)的需求。
- 關(guān)鍵字： 卷積神經(jīng)網(wǎng)絡(luò) 實(shí)例標(biāo)準(zhǔn)化 特征提取 算法 202212
基于深度學(xué)習(xí)的跌倒檢測(cè)技術(shù)對(duì)比與分析*
- 基于意外跌倒是造成老年人受傷、失能及死亡的主要原因，對(duì)近年來(lái)關(guān)于深度學(xué)習(xí)的跌倒檢測(cè)研究進(jìn)行了介紹。根據(jù)跌倒檢測(cè)工作流程，從數(shù)據(jù)采集、數(shù)據(jù)處理、模型訓(xùn)練及狀態(tài)識(shí)別幾個(gè)方面進(jìn)行了詳細(xì)介紹，并對(duì)已有的基于深度學(xué)習(xí)的跌倒檢測(cè)方法進(jìn)行分析與比較，為將來(lái)的應(yīng)用研究提供參考，并對(duì)將來(lái)的發(fā)展方向提出一些思考。
- 關(guān)鍵字： 深度學(xué)習(xí) 跌倒檢測(cè) 卷積神經(jīng)網(wǎng)絡(luò) 長(zhǎng)短期記憶網(wǎng)絡(luò) 202212
基于機(jī)器學(xué)習(xí)的虛擬門把手設(shè)計(jì)與實(shí)現(xiàn)
- 摘要：為了提高安全性和便捷性，尤其是在疫情背景下，應(yīng)避免使用者因接觸門把手而造成交疾病的叉污 染。本文設(shè)計(jì)了一種非接觸式的虛擬門把手，可用來(lái)代替?zhèn)鹘y(tǒng)門把手在現(xiàn)實(shí)生活中的作用。該虛擬門把手采用 樹(shù)莓派作為主控芯片，通過(guò)攝像頭采集實(shí)時(shí)畫面和用戶手勢(shì)，門鎖模塊用于實(shí)現(xiàn)開(kāi)鎖和反鎖的功能；該虛擬門 把手還具有人臉識(shí)別功能，保障用戶的安全和隱私。測(cè)試結(jié)果表明，該虛擬門把手能夠?qū)崿F(xiàn)人臉識(shí)別，并在用 戶做出指定手勢(shì)時(shí)實(shí)現(xiàn)開(kāi)鎖或反鎖的功能，達(dá)到了預(yù)期的設(shè)計(jì)目標(biāo)。關(guān)鍵詞：人臉識(shí)別；手勢(shì)識(shí)別；樹(shù)莓派；卷積神經(jīng)網(wǎng)絡(luò)項(xiàng)目支
- 關(guān)鍵字： 202207 人臉識(shí)別 手勢(shì)識(shí)別 樹(shù)莓派 卷積神經(jīng)網(wǎng)絡(luò)
基于GWO-BP-CNN-ec的風(fēng)電功率短期預(yù)測(cè)模型*
- 在大型電網(wǎng)和小型微電網(wǎng)中，風(fēng)電功率短期預(yù)測(cè)對(duì)電力系統(tǒng)的調(diào)度運(yùn)行有著重要意義。為了提高短期風(fēng)電功率預(yù)測(cè)精度，文章提出一種卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network，CNN)與灰狼優(yōu)化算法(Grey Wolf Optimizer，GWO)結(jié)合的短期風(fēng)電預(yù)測(cè)模型。首先，通過(guò)數(shù)據(jù)的離散化，將二維風(fēng)速轉(zhuǎn)換成三維風(fēng)速，變?yōu)榉螩NN模型的輸入量，再結(jié)合GWO對(duì)CNN模型的參數(shù)進(jìn)行優(yōu)化，最后通過(guò)BP對(duì)整個(gè)網(wǎng)絡(luò)進(jìn)行微調(diào)后引入預(yù)測(cè)偏差二次修正，最后建立了基于GWO-BP-CNN-ec的風(fēng)電功率預(yù)
- 關(guān)鍵字： 風(fēng)電功率短期預(yù)測(cè) 卷積神經(jīng)網(wǎng)絡(luò) 灰狼優(yōu)化 偏差修正
賽靈思器件上的 INT4 優(yōu)化卷積神經(jīng)網(wǎng)絡(luò)（2）
- 接上期http://cafeforensic.com/article/202009/418351.htm賽靈思 DSP 片上的 INT4 優(yōu)化使用 DSP 硬件資源可實(shí)現(xiàn)乘法和累加 (MAC) 占用硬件資源較少。經(jīng)優(yōu)化后，DSP 能夠在 16nm 或 28nm 器件上處理盡可能多的 MAC 運(yùn)算。以 16nm 為例，賽靈思可編程器件中 UltraScale? 架構(gòu)的 DSP48E2 片就屬于專用片[參考資料 11]。DSP48E2 片由一個(gè) 27x18 二進(jìn)制補(bǔ)碼乘法器和一個(gè) 48 位累加器構(gòu)成。如圖 3
- 關(guān)鍵字： 賽靈思 INT4 卷積神經(jīng)網(wǎng)絡(luò)
賽靈思器件上的 INT4 優(yōu)化卷積神經(jīng)網(wǎng)絡(luò)（1）
- ?對(duì)于 AI 推斷，在提供與浮點(diǎn)相媲美的精度的同時(shí)，INT8 的性能優(yōu)于浮點(diǎn)。然而在資源有限的前提下，INT8 卻不能滿足性能要求，INT4 優(yōu)化則是解決之道。通過(guò) INT4 優(yōu)化，與現(xiàn)有的 INT8 解決方案相比，賽靈思在實(shí)際硬件上可實(shí)現(xiàn)高達(dá) 77% 的性能提升。概要賽靈思在其硬件平臺(tái)上提供 INT8 AI 推斷加速器 — 深度學(xué)習(xí)處理器單元 (XDPU)。然而，在某些資源受限，要求高性能、低時(shí)延的場(chǎng)景（例如對(duì)資源、功耗敏感的邊緣側(cè)場(chǎng)景和低時(shí)延 ADAS 場(chǎng)景）中，為了實(shí)現(xiàn)比 INT8 更低的
- 關(guān)鍵字： 賽靈思 INT4 卷積神經(jīng)網(wǎng)絡(luò)
大數(shù)據(jù)醫(yī)療時(shí)代的人工智能與隱私保護(hù)
- 王旭 ?。ㄙF州大學(xué)大數(shù)據(jù)與信息工程學(xué)院，貴州省量子信息和大數(shù)據(jù)應(yīng)用技術(shù)研究院，貴州，貴陽(yáng) 550025） 摘要：近年來(lái)，隨著大數(shù)據(jù)挖掘與分析等方法的逐漸成熟，人工智能技術(shù)已經(jīng)在醫(yī)療領(lǐng)域廣泛應(yīng)用。本文詳細(xì)討論了在醫(yī)療數(shù)據(jù)采集端與人工智能應(yīng)用端隱私保護(hù)所面臨的各項(xiàng)問(wèn)題，從技術(shù)的角度、法律的角度以及倫理道德的角度分別分析了醫(yī)療隱私安全，并最終提出了四條建議，為醫(yī)療行業(yè)隱私保護(hù)的理論和實(shí)踐發(fā)展提供了可行路徑?！ ￡P(guān)鍵詞：醫(yī)療大數(shù)據(jù)；深度學(xué)習(xí)；卷積神經(jīng)網(wǎng)絡(luò)；人工智能；隱私保護(hù) 在醫(yī)療行業(yè)中，醫(yī)院信息系統(tǒng)基本
- 關(guān)鍵字： 201906 醫(yī)療大數(shù)據(jù) 深度學(xué)習(xí) 卷積神經(jīng)網(wǎng)絡(luò) 人工智能 隱私保護(hù)
人工智能市場(chǎng)廣闊 AI醫(yī)學(xué)影像該如何盈利？
- 基于卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法，在2012年以來(lái)逐漸成為醫(yī)學(xué)變革的新動(dòng)能?；贑T、MRI、X光、超聲、熱紅外、細(xì)胞涂片、心電圖等醫(yī)學(xué)圖像的智能輔助診療系統(tǒng)，在臨床使用中已經(jīng)被證明了有效性。 前不久，筆者在與道彤投資合伙人鄒國(guó)文的一次閑聊中，鄒先生透露，國(guó)內(nèi)致力于開(kāi)發(fā)智能輔助診療系統(tǒng)的企業(yè)，數(shù)量超過(guò)100家。如此之多的創(chuàng)業(yè)者或企業(yè)家脫身于此，一方面證明了其對(duì)醫(yī)學(xué)進(jìn)步的貢獻(xiàn)之大，另一方面也預(yù)示著其潛在的、巨大的商業(yè)價(jià)值空間。 投資風(fēng)口背后的虛虛實(shí)實(shí)，2018年市場(chǎng)基本清晰了。有些拿不到融資、
- 關(guān)鍵字： 人工智能 卷積神經(jīng)網(wǎng)絡(luò)
人工智能診斷水平堪比專家 醫(yī)生會(huì)下崗嗎？
- 先是無(wú)人駕駛熱透半邊天，繼而下圍棋又打遍天下無(wú)敵手……逆天的人工智能，最近甚至把手伸進(jìn)醫(yī)院——這不，廣州市婦女兒童醫(yī)療中心剛剛對(duì)外宣布，其基于深度學(xué)習(xí)開(kāi)發(fā)出一個(gè)能診斷眼病和肺炎兩大類疾病的人工智能系統(tǒng)，這項(xiàng)研究成果以封面文章登上2月23日的世界頂級(jí)期刊《Cell》(細(xì)胞)。 人工智能診斷疾病靠譜嗎?南方南君告訴你，絕對(duì)驚人!比對(duì)實(shí)驗(yàn)發(fā)現(xiàn)，該系統(tǒng)在診斷眼疾時(shí)的準(zhǔn)確性達(dá)到96。6%;在區(qū)分肺炎和健康狀態(tài)時(shí)，準(zhǔn)確性達(dá)到92
- 關(guān)鍵字： 人工智能 卷積神經(jīng)網(wǎng)絡(luò)
一步一步學(xué)用Tensorflow構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)
- 0. 簡(jiǎn)介 在過(guò)去，我寫的主要都是“傳統(tǒng)類”的機(jī)器學(xué)習(xí)文章，如樸素貝葉斯分類、邏輯回歸和Perceptron算法。在過(guò)去的一年中，我一直在研究深度學(xué)習(xí)技術(shù)，因此，我想和大家分享一下如何使用Tensorflow從頭開(kāi)始構(gòu)建和訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)。這樣，我們以后就可以將這個(gè)知識(shí)作為一個(gè)構(gòu)建塊來(lái)創(chuàng)造有趣的深度學(xué)習(xí)應(yīng)用程序了?！ 榇?，你需要安裝Tensorflow(請(qǐng)參閱安裝說(shuō)明)，你還應(yīng)該對(duì)Python編程和卷積神經(jīng)網(wǎng)絡(luò)背后的理論有一個(gè)基本的了解。安裝完Tensorflow之后，你可以在不依賴GP
- 關(guān)鍵字： Tensorflow 卷積神經(jīng)網(wǎng)絡(luò)
卷積神經(jīng)網(wǎng)絡(luò)介紹
您好，目前還沒(méi)有人創(chuàng)建詞條卷積神經(jīng)網(wǎng)絡(luò)!
歡迎您創(chuàng)建該詞條，闡述對(duì)卷積神經(jīng)網(wǎng)絡(luò)的理解，并與今后在此搜索卷積神經(jīng)網(wǎng)絡(luò)的朋友們分享。 創(chuàng)建詞條
歡迎您創(chuàng)建該詞條，闡述對(duì)卷積神經(jīng)網(wǎng)絡(luò)的理解，并與今后在此搜索卷積神經(jīng)網(wǎng)絡(luò)的朋友們分享。 創(chuàng)建詞條
關(guān)于我們 -
廣告服務(wù) -
企業(yè)會(huì)員服務(wù) -
網(wǎng)站地圖 -
聯(lián)系我們 -
征稿 -
友情鏈接 -
手機(jī)EEPW
Copyright ?2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《電子產(chǎn)品世界》雜志社 版權(quán)所有 北京東曉國(guó)際技術(shù)信息咨詢有限公司
京ICP備12027778號(hào)-2 北京市公安局備案：1101082052 京公網(wǎng)安備11010802012473
Copyright ?2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《電子產(chǎn)品世界》雜志社 版權(quán)所有 北京東曉國(guó)際技術(shù)信息咨詢有限公司
京ICP備12027778號(hào)-2 北京市公安局備案：1101082052 京公網(wǎng)安備11010802012473