近年來，以卷積神經(jīng)網(wǎng)絡（Convolutional Neural Network，DNN）為代表的深度學習算法在許多計算機視覺任務上取得了巨大突破，如圖像分類、目標檢測、畫質(zhì)增強等［1-2］。然而
2020-11-30 14:01:46
10735 
今天給大家介紹一下FPGA上部署深度學習的算法模型的方法以及平臺。希望通過介紹，算法工程師在FPGA的落地上能“稍微”緩和一些，小白不再那么迷茫。
2022-07-22 10:14:443535 內(nèi)容2:課程一： Tensorflow入門到熟練：課程二：圖像分類：課程三：物體檢測：課程四：人臉識別：課程五：算法實現(xiàn)：1、卷積神經(jīng)網(wǎng)絡CNN2、循環(huán)神經(jīng)網(wǎng)絡RNN3、強化學習DRL4、對抗性生成
2021-01-09 17:01:54
一些缺陷，為了提高企業(yè)的競爭力并獲得更多的利益，公司也越來越關注手機外殼的表面質(zhì)量。手機外殼表面有各種類型的缺陷，例如劃痕，邊緣碰傷，凹坑，刀痕等。傳統(tǒng)的表面缺陷檢測方法:傳統(tǒng)的表面缺陷檢測方法是人工
2020-08-19 10:39:20
本帖最后由 wcl86 于 2021-5-14 15:26 編輯
概述這個例子演示了在Vision開發(fā)模塊中使用Model Importer API來使用深度學習為缺陷檢查應用程序執(zhí)行對象檢測
2020-07-29 17:41:31
算法在某些特定的應用中已經(jīng)取得了較好的效果，但仍然存在許多不足。例如：圖像預處理步驟繁多且具有強烈的針對性，魯棒性差；多種算法計算量驚人且無法精確的檢測缺陷的大小和形狀。而深度學習可以直接通過學習數(shù)據(jù)
2021-05-28 11:58:52
著手，使用Nanopi2部署已訓練好的檢測模型，例如硅谷電視劇的 Not Hotdog 檢測器應用，會在復雜的深度學習歷程中有些成就感。 目前已有幾十種流行的深度學習算法庫，參考網(wǎng)址：https
2018-06-04 22:32:12
：圖像預處理步驟繁多且具有強烈的針對性，魯棒性差；多種算法計算量驚人且無法精確的檢測缺陷的大小和形狀。而深度學習可以直接通過學習數(shù)據(jù)更新參數(shù)，避免了人工設計復雜的算法流程，并且有著極高的魯棒性和精度
2021-05-10 22:33:46
` 本帖最后由 wcl86 于 2021-5-28 19:37 編輯
通過labview深度學習標注工具對樣本進行標注，兩類NG進行標注，標注完成后擴展樣本數(shù)量級，以少量樣本獲得較好的標注訓練
2021-05-27 22:25:13
`labview在檢測PCBA插件的錯、漏、反等缺陷中的應用檢測原理通過高精度彩色工業(yè)相機不停板實時抓取板卡圖像，采取卷積神經(jīng)網(wǎng)絡算法處理圖像，智能判定元器件不良。采用最新的深度學習算法對電容，光耦，二極管等訓練模型，能兼容不同pcb板，不同環(huán)境。`
2021-07-13 15:27:47
標注產(chǎn)品后通過訓練平臺完成模型訓練經(jīng)過少量樣品訓練得到測試結果，表明深度學習對傳統(tǒng)視覺算法比較棘手的缺陷檢測方面，能簡單粗暴的解決問題，后續(xù)就是增加缺陷樣品的收集，標注，以及模型的訓練。龍哥手把手教
2020-08-16 18:12:01
傳統(tǒng)視覺對于缺陷檢測有先天性的不足，當缺陷區(qū)域與正常區(qū)域灰度接近，沒有明確的邊界曲線時，往往無法將缺陷檢測出來，而深度學習就像一個天然的特征提取器一樣，通過樣本學習，能自適應提取出圖像最能體現(xiàn)缺陷
2020-08-16 17:29:24
項目名稱：基于深度學習的目標檢測系統(tǒng)設計試用計劃：嘗試在硬件平臺實現(xiàn)對Yolo卷積神經(jīng)網(wǎng)絡的加速運算，期望提出的方法能夠使目標檢測技術更便捷，運用領域更廣泛。針對課題的研究一是研究基于開發(fā)板低功耗
2020-09-25 10:11:49
推薦！私藏的深度學習模型推理加速項目表面缺陷檢測數(shù)據(jù)集匯總及其相關項目推薦目標檢測 | 已開源！全新水下目標檢測算法SWIPENet+IMA框架CVPR2020 | 對數(shù)字屏幕拍照時的摩爾紋怎么去除？PolyLaneNet：最新車道線檢測開源算法，多項式回歸實時高效停車位檢測新數(shù)據(jù)集、新方法，精準又快速（含視頻解讀）
2020-07-24 11:01:50
，基于深度學習的缺陷檢測已經(jīng)應用于金屬固件、布匹絲織物、建筑裂紋、鋼筋裂紋等多個領域，并取得了不錯的成果。下面將結合具體案例介紹其實現(xiàn)方法。3.1裂紋缺陷檢測[1]建筑材料（如磁瓦等）的外觀變化（如
2020-08-10 10:38:12
控CCD視覺檢測定位系統(tǒng)使用圖像傳感器替代人眼，100%精確檢測物體表面缺陷、瑕疵，并對缺陷信息進行統(tǒng)計、分類和分析，優(yōu)化生產(chǎn)過程控制，將產(chǎn)品進行分級，對合格品和不合格品進行分類，提高客戶的信賴和滿意度
2021-11-04 13:45:47
和自動化性能，滿足現(xiàn)代化工業(yè)大批量、大規(guī)模生產(chǎn)質(zhì)量要求，降低不良品產(chǎn)生，節(jié)約成本，促進企業(yè)長足發(fā)展。四元數(shù)CCD視覺檢測定位系統(tǒng)使用圖像傳感器替代人眼，100%精確檢測物體表面缺陷、瑕疵，并對缺陷信息
2021-12-14 14:00:39
一些缺陷，為了提高企業(yè)的競爭力并獲得更多的利益，公司也越來越關注手機外殼的表面質(zhì)量。手機外殼表面有各種類型的缺陷，例如劃痕，邊緣碰傷，凹坑，刀痕等。那么深圳CCD機器視覺檢測定位系統(tǒng)有什么應用？相信
2021-11-16 14:13:54
進行缺陷檢測。那么深圳CCD視覺檢測定位系統(tǒng)在橡膠制品行業(yè)里有什么優(yōu)勢？相信不少人是有疑問的，今天四元數(shù)數(shù)控就跟大家解答一下！1、檢測結果更加準確可靠機器視覺檢測設備不會受到操作員疲勞、責任感、經(jīng)驗等
2021-12-08 11:29:39
，而隨著生產(chǎn)速度的加快，玻璃瓶的檢測必須要集高速度、高精度、實時性于一身。四元數(shù)CCD視覺檢測定位系統(tǒng)使用圖像傳感器替代人眼，100%精確檢測物體表面缺陷、瑕疵，并對缺陷信息進行統(tǒng)計、分類和分析，優(yōu)化
2021-11-15 14:38:32
四元數(shù)數(shù)控機器視覺檢測定位系統(tǒng)技術的主要特性即高速、高精度及非接觸性，相較于傳統(tǒng)檢測技術有著不可比擬的優(yōu)勢，因此其應用領域已經(jīng)涵蓋了人們生活的方方面面，改良了行業(yè)產(chǎn)生模式，極大的提高了生產(chǎn)效率
2021-11-18 11:06:07
的缺陷空間，共同識別檢測缺陷，增加缺陷識別檢測的準確性； 創(chuàng)新點二：在實際工業(yè)生產(chǎn)場景上應用深度學習算法，提高缺陷識別準確性，簡化調(diào)試和使用過程，能夠快速適應各種工藝變化，達到易用易維護檢測效果又好
2022-03-08 13:59:00
ABSTRACT1.基于深度學習的異常檢測的研究方法進行結構化和全面的概述2.回顧這些方法在各個領域這個中的應用情況，并評估他們的有效性。3.根據(jù)基本假設和采用的方法將最先進的深度異常檢測技術分為
2021-07-12 06:36:22
異常檢測的深度學習研究綜述原文：arXiv:1901.03407摘要異常檢測是一個重要的問題，在不同的研究領域和應用領域都得到了很好的研究。本文的研究目的有兩個：首先，我們對基于深度學習的異常檢測
2021-07-12 07:10:19
1、主題內(nèi)容與適用范圍 本標準規(guī)定了在試驗室條件下織物以摩擦形式帶電荷后的靜電特性的評定方法。 2、引用標準 CB 3291 紡織名詞術語（紡織材料、紡織產(chǎn)品通用部分） 3、術語
2017-09-30 11:52:23
經(jīng)典機器學習算法介紹章節(jié)目標：機器學習是人工智能的重要技術之一，詳細了解機器學習的原理、機制和方法，為學習深度學習與遷移學習打下堅實的基礎。二、深度學習簡介與經(jīng)典網(wǎng)絡結構介紹神經(jīng)網(wǎng)絡簡介神經(jīng)網(wǎng)絡組件簡介
2022-04-28 18:56:07
的表面缺陷檢測是機器視覺檢測的一個重要部分，其檢測的準確程度直接會影響產(chǎn)品最終的質(zhì)量優(yōu)劣。四元數(shù)CCD視覺檢測定位系統(tǒng)使用圖像傳感器替代人眼，100%精確檢測物體表面缺陷、瑕疵，并對缺陷信息進行統(tǒng)計、分類
2020-08-10 10:47:43
用于流水線工業(yè)產(chǎn)品的二維缺陷、定位及尺寸檢測，大幅提高了生產(chǎn)效率。四元數(shù)視覺檢測定位系統(tǒng)使用圖像傳感器替代人眼，100%精確檢測物體表面缺陷、瑕疵，并對缺陷信息進行統(tǒng)計、分類和分析，優(yōu)化
2020-10-30 16:15:47
產(chǎn)品分類方法很多，按照FPC貼合層數(shù)可分為：單面板、雙面板、多層板以及軟硬結合板。 柔性印刷線路板缺陷檢測技術發(fā)展現(xiàn)狀 現(xiàn)有的FPC缺陷檢測算法多衍生于PCB檢測算法，但受本身獨特性限制，F(xiàn)PC板
2018-11-21 11:11:42
有人有基于labview 實時視頻中的人臉檢測定位系統(tǒng)的作品嗎？能不能分享下，或者類似資料參考~~~謝謝
2015-05-06 11:26:00
研發(fā)的CCD視覺檢測定位系統(tǒng)使用圖像傳感器替代人眼，100%精確檢測定位瓶口牙角的位置，從而保證產(chǎn)品在制作流程中始終保持在一個固定位置，極大的保證了后續(xù)印刷、貼標等工藝的最終精度，提高客戶的信賴
2021-10-09 14:45:51
首先進行產(chǎn)品的缺陷觀察，通過采到的圖像中我們可以看到，圖像上的引腳焊點存在錯位不良，如下圖：根據(jù)圖片，我們需要利用視覺助手算法將引腳偏移部分篩選出來，實現(xiàn)檢測要求。算法模擬第一步：確認產(chǎn)品采圖是否
2020-08-16 18:16:19
本文將機器視覺與數(shù)字圖像處理技術引入到織物疵點檢測中，提出了一種織物疵點檢測算法——圖像距離差算法。該算法可使用戶根據(jù)織物的類型，自行設置相應的疵點檢測
2009-05-27 13:12:37
17 一種新型光伏陣列多傳感器故障檢測定位方法_張曉娜
2016-12-29 14:35:280 和動態(tài)特征生成應用程序的特征向量；然后，使用深度學習算法中的深度置信網(wǎng)絡（ DBN）對收集到的訓練集進行訓練，生成深度學習網(wǎng)絡；最后，利用生成的深度學習網(wǎng)絡對待測安卓應用程序進行檢測。實驗結果表明，在使用相同測試集的情況下
2017-12-01 15:04:274 文本實體提取是自然語言處理（NLP）的主要任務之一。隨著近期深度學習領域快速發(fā)展，我們可以將這些算法應用到 NLP 任務中，并得到準確率遠超傳統(tǒng)方法的結果。我嘗試過分別使用深度學習和傳統(tǒng)方法來提取文章信息，結果非常驚人：深度學習的準確率達到了 85%，遠遠領先于傳統(tǒng)算法的 65%。
2018-07-13 08:33:006367 
提取等問題，提出一種新的無監(jiān)督學習的各種氣孔缺陷檢測算法。首先，采用快速獨立分量分析從鋼管X射線圖像集合中學習一組獨立基底，并用該基底的線性組合來選擇性重構帶氣孔缺陷的測試圖像；隨后，測試圖像與其重構圖像相減
2017-12-05 14:36:031 針對目前存在的字典學習方法不能有效構造具有鑒別能力字典的問題，提出具有鑒別表示能力的字典學習算法，并將其應用于軟件缺陷檢測。首先，重新構建稀疏表示模型，通過在目標函數(shù)中設計字典鑒別項學習具有鑒別表示
2017-12-12 14:51:030 計算機計算性能的提升使得深度學習成為了可能．作為計算機視覺領域的重要發(fā)展方向之一的目標檢測也開始結合深度學習方法并廣泛應用于各行各業(yè)，受限于網(wǎng)絡的復雜度和檢測算法的設計。目標檢測的速度和精度成為
2017-12-15 10:15:020 上述問題，提出一種基于遺傳算法的多缺陷定位方法GAMFal，具體來說：首先基于搜索的軟件工程思想對多缺陷定位問題進行建模，構建了候選缺陷分布的染色體編碼方式，并基于擴展的Ochiai系數(shù)計算個體的適應度值；隨后使用遺傳算法
2018-01-15 09:56:140 針對紡織過程中可能出現(xiàn)的瑕疵問題，提出了一種新的織物疵點分割方法四分法和織物疵點特征提取方法-Radon小波低分辨率特征（RWLRC）。該算法先將織物圖像經(jīng)過Gabor濾波器預處理，再將預處理之后
2018-01-15 17:04:330 近年來，隨著深度學習在圖像視覺領域的發(fā)展，一類基于單純的深度學習模型的點云目標檢測方法被提出和應用，本文將詳細介紹其中一種模型——SqueezeSeg，并且使用ROS實現(xiàn)該模型的實時目標檢測。
2018-11-05 16:47:2917181 近年來，隨著深度學習在計算機視覺領域的廣泛應用，基于深度學習的視頻運動目標檢測受到廣大學者的青睞。這種方法的基本原理是利用大量目標樣本數(shù)據(jù)訓練一個基于深度神經(jīng)網(wǎng)絡的分類器，然后通過分類器在線檢測目標
2018-11-19 16:01:4422 自主駕駛礦 井機車需要實時檢測和定位行駛前方的巷道行人，激光雷達等非視覺類方法成本高昂，而傳統(tǒng)基于特征提取視覺類方法無法解決并下光照差且光線不均勻的問題。提出一種基于深度學習的井下巷道行人視覺定位
2019-03-28 16:49:5212 油氣長輸管道的安全檢測已越來越受到人們的重視。管道內(nèi)檢測是最重要的管道安全檢測方法之一。掃描檢測需要實時確定檢測位置， 并記錄以備檢測完成后從地面準確的定位管道腐蝕缺陷的位置， 因此準確的進行檢測定位
2019-04-24 08:00:000 ，熔噴無紡布在生產(chǎn)過程中經(jīng)常會出現(xiàn)污點、蚊蟲、孔洞等各種缺陷，影響產(chǎn)品質(zhì)量的同時也使得企業(yè)遭受退貨打擊，損失不小，因此，對熔噴無紡布表面缺陷檢測迫在眉睫。 那么如何使用視覺檢測定位系統(tǒng)來進行熔噴布檢測？ 在當
2020-11-09 16:29:081735 目前，基于深度學習算法的一系列目標檢測算法大致可以分為兩大流派： 兩步走（two-stage）算法：先產(chǎn)生候選區(qū)域然后再進行CNN分類(RCNN系列) 一步走（one-stage）算法：直接對輸入
2020-11-27 10:15:563193 大及魯棒性差的問題，提出一種基于深度學習的焊點位置檢測方法。引入 Mobilenetv2的卷積結構代替 YOLOV2的卷積層，并借鑒YOLOⅴ2的細粒度特征的方法，解決YOLOⅴ模型參數(shù)較多的問題。采用 Glou loss對模型的損失函數(shù)進行改進，利用K- means聚類算法得到適合焊
2021-03-17 11:18:019 針對地下能量場聚焦模型中能量聚焦點無法有效識別的冋題，在深度學習的基礎上，提出一種地下淺層震源定位方法。利用逆時振幅疊加的方法將傳感器陣列獲取的震動數(shù)據(jù)逆時重建為三維能量場圖像樣本序列，并將其作為
2021-03-22 15:58:4510 ，使用PFLD深度學習模型進行人臉關鍵點檢測以定位眼部、嘴部和頭部位置，從中提取眨眼頻率、嘴巴張開程度和點頭頻率等特征參數(shù)，并通過多特征融合策略獲取駕駛?cè)藛T疲勞狀態(tài)，從而實現(xiàn)疲勞駕駛的有效預警。實驗結果表明，該算法給出的疲勞駕駛預警結果均未岀現(xiàn)誤判情
2021-03-30 09:17:5523 隨著深度學習的不斷發(fā)展，基于深度學習的顯著性目標檢測已經(jīng)成為計算機視覺領堿的一個研究熱點。首先對現(xiàn)有的基于深度學習的顯著性目標檢測算法分別從邊界/語義増強、全局/局部結合和輔助網(wǎng)絡個角度進行了分類
2021-04-01 14:58:130 跟蹤丟失，還可以利用閉環(huán)檢測進行重定位。與傳統(tǒng)的手動設計的特征（handcrafted feature）相比，從神經(jīng)網(wǎng)絡中學習到的圖像特征具有更好的環(huán)境不變性和語義識別能力?？紤]到
2021-05-10 11:34:063 基于卷積神經(jīng)網(wǎng)絡（CN）的入侵檢測方法在實際應用中模型訓練時間過長、超參數(shù)較多、數(shù)據(jù)需求量大。為降低計算復雜度，提高入侵檢測效率，提出一種基于集成深度森林（EDF）的檢測方法。在分析CN的隱藏層結構
2021-05-26 15:53:4210 引言 攝像頭傳統(tǒng)視覺技術在算法上相對容易實現(xiàn)，因此已被現(xiàn)有大部分車廠用于輔助駕駛功能。但是隨著自動駕駛技術的發(fā)展，基于深度學習的算法開始興起，本期小編就來說說深度視覺算法相關技術方面的資料，讓我們
2021-05-27 17:00:358192 
背? 景 表面缺陷檢測在工業(yè)生產(chǎn)中起著非常重要的作用，基于機器視覺的表面缺陷檢測可以極大的提升工業(yè)生產(chǎn)的效率。隨著近年來深度學習在計算機視覺領域的發(fā)展，卷積神經(jīng)網(wǎng)絡在諸多圖像任務上都取得了顯著的效果
2021-05-29 10:23:162963 
基于模糊C均值聚類的軟件多缺陷定位方法
2021-06-02 14:38:416 針對人工和傳統(tǒng)自動化算法檢測發(fā)動機零件表面缺陷中準確率和效率低下，無法滿足智能制造需求問題提岀了一種基于深度學習的檢測算法。以 Faster r-CNN深度學習算法為算法框架，引入聚類理論來確定
2021-06-03 14:51:5419 基于深度學習的行為識別算法及其應用
2021-06-16 14:56:3820 織物靜態(tài)拉伸測試儀的檢測原理和試驗方法-上海程斯 測試原理： 織物在力的作用下，一定時間后會產(chǎn)生應力松弛和蠕變的現(xiàn)象。本儀器提供加載應力的裝置，通過對已標記的織物做拉伸受力試驗，得到織物的變形情況
2021-06-18 11:47:281577 透濕量測試儀用于測試各種涂層織物、復合面料、復合膜、塑料薄膜、交換膜等材料的透濕量，常用于檢測醫(yī)用防護服。
2021-06-22 15:23:291786 織物疵點自動檢測設備在紡織工業(yè)中的應用之一。在織物的織造或坯織物檢驗、印染加工等工序?qū)?b class="flag-6" style="color: red">織物疵點進行自動化檢測的設備。由檢測部件和用于信息分析的高性能計算機組成。 常用的檢測方法有圖像分析法和激光掃描
2021-08-26 15:00:06835 本文大致介紹將深度學習算法模型移植到海思AI芯片的總體流程和一些需要注意的細節(jié)。海思芯片移植深度學習算法模型，大致分為模型轉(zhuǎn)換，...
2022-01-26 19:42:3511 檢測圖案化半導體晶圓上的缺陷是晶圓生產(chǎn)中的關鍵步驟。為此目的已經(jīng)開發(fā)了許多檢查方法和設備。我們最近提出了一種基于幾何流形學習技術的異常檢測方法。這種方法是數(shù)據(jù)驅(qū)動的，通過使用擴散圖將異常與圖像固有
2022-03-22 14:15:221699 
近年來，無需人工干預的深度學習已經(jīng)成為缺陷圖像檢測與分類的一種主流方法。本文針對室內(nèi)墻壁缺
陷缺檢測中數(shù)據(jù)集大多是小樣本的問題，提出了相關的深度學習研究方法。首先，自制墻壁表面缺陷數(shù)據(jù)集（Wall
2022-04-24 09:44:161 但是無可否認的是深度學習實在太好用啦！極大地簡化了傳統(tǒng)機器學習的整體算法分析和學習流程，更重要的是在一些通用的領域任務刷新了傳統(tǒng)機器學習算法達不到的精度和準確率。
2022-04-26 15:07:204083 基于深度學習的工業(yè)缺陷檢測方法可以降低傳統(tǒng)人工質(zhì)檢的成本, 提升檢測的準確性與效率, 因而在智能制造中扮演重要角色, 并逐漸成為計算機視覺領域新興的研究熱點之一. 其被廣泛地應用于無人質(zhì)檢、智能巡檢
2022-07-30 14:41:052220 目前，基于深度學習的視覺檢測在監(jiān)督學習方法的幫助下取得了很大的成功。然而，在實際工業(yè)場景中，缺陷樣本的稀缺性、注釋成本以及缺陷先驗知識的缺乏可能會導致基于監(jiān)督的方法失效。
2022-07-31 11:00:522303 在深度學習領域，通過以精度、召回率、平均精度均值（Mean Average Precision，mAP）和FPS等指標評價目標檢測算法的有效性，在圖像分割中則主要采用平均像素準確率、平均交并比等指標評價。
2022-08-02 10:08:185311 目前，基于圖像的織物疵點自動檢測技術已成為了該領域近年來的的研究熱點，其代替人工織物疵點檢測的研究算法也逐漸成為可能，主流方法一般分為兩大類， 一是基于傳統(tǒng)圖像處理的織物缺陷檢測方法，二是基于深度學習算法的織物缺陷檢測定位方法。
2022-08-17 11:36:201334 深度學習型圖像分析較適合原本復雜的涂裝表面檢測：有微小變化但可接受的圖案，以及無法使用空間頻率方法排除的位置變量。深度學習擅長解決復雜的表面和涂裝缺陷，例如轉(zhuǎn)動、刷涂或發(fā)亮部件上的掛擦和凹痕。
2022-09-01 09:40:259076 深度學習主要包含卷積神經(jīng)網(wǎng)絡和Faster R-CNN兩種網(wǎng)絡模型，通過利用算法模型自動學習的特點，不再受限于復雜多變的環(huán)境，可自動提取缺陷特征，最終實現(xiàn)自動檢測。
2022-10-19 15:08:481791 R-CNN 算法在 2014 年提出，可以說是歷史性的算法，將深度學習應用于目標檢測領域，相較于之前的目標檢測方法，提升多達 30% 以上
2022-10-31 10:08:051143 電子發(fā)燒友網(wǎng)站提供《使用Ultra96 PYNQ測定織物GSM.zip》資料免費下載
2022-11-15 11:39:190 紡織業(yè)在是中國最大的日常使用及消耗相關的產(chǎn)業(yè)之一，且勞動工人多，生產(chǎn)量和對外出口量很大，紡織業(yè)的發(fā)展影響著中國經(jīng)濟、社會就業(yè)問題。而織物產(chǎn)品的質(zhì)量直接影響產(chǎn)品的價格，進一步影響著整個行業(yè)的發(fā)展，因此紡織品質(zhì)量檢驗是織物產(chǎn)業(yè)鏈中必不可少且至關重要的環(huán)節(jié)之一。
2022-11-16 11:53:11991 織物疵點圖像檢測結果 隨著深度學習技術飛速發(fā)展， 以及計算機等硬件水平的不斷提升， 卷積神經(jīng)網(wǎng)絡在工業(yè)現(xiàn)場的應用將隨之不斷擴大， 織物表面疵點檢測作為工業(yè)表面檢測的代表性應用產(chǎn)業(yè)， 其應用發(fā)展將影響著整個工業(yè)領域。
2022-11-21 09:44:591192 以正確的方式發(fā)音是最難獲得的技能之一，全球的研究人員正專注于使用機器/深度學習技術檢測發(fā)音錯誤。在線學習中錯誤發(fā)音檢測的目的是高精度地識別發(fā)音錯誤或缺陷，并提供指導性反饋以改善發(fā)音。
2022-11-29 12:10:26526 先大致講一下什么是深度學習中優(yōu)化算法吧，我們可以把模型比作函數(shù)，一種很復雜的函數(shù)：h(f(g(k(x))))，函數(shù)有參數(shù)，這些參數(shù)是未知的，深度學習中的“學習”就是通過訓練數(shù)據(jù)求解這些未知的參數(shù)。
2023-02-13 15:31:481018 
但由于缺陷多種多樣，傳統(tǒng)的機器視覺算法很難做到對缺陷特征完整的建模和遷移，所以越來越多的學者和工程人員開始將深度學習算法引入到缺陷檢測領域中。
2023-02-13 15:39:57879 基于深度學習的目標檢測方法根據(jù)有無區(qū)域提案階段劃分為區(qū)域提案檢測模型和單階段檢測模型
2023-02-27 15:31:49814 
缺陷檢測是工業(yè)生產(chǎn)過程中的關鍵環(huán)節(jié)，其檢測結果的好壞直接影響著產(chǎn)品的質(zhì)量。而在現(xiàn)實場景中，但產(chǎn)品瑕疵率非常低，甚至是沒有，缺陷樣本的不充足使得需要深度學習缺陷檢測模型準確率不高。如何在缺陷樣本
2023-06-26 09:49:01549 
樣本少的情況下實現(xiàn)高精度的檢測呢？目前有兩種方法，一種是小樣本學習，另一種是用GAN。本文將介紹一種GAN用于無缺陷樣本產(chǎn)品表面缺陷檢測。 ? 深度學習在計算機視覺主流領域已經(jīng)應用的很成熟，但是在工業(yè)領域，比如產(chǎn)品表面缺
2023-06-26 09:54:04688 
?基于深度學習模型融合的工業(yè)產(chǎn)品（零部件）工藝缺陷檢測算法簡述 1、序言 隨著信息與智能化社會的到來，工業(yè)產(chǎn)品生產(chǎn)逐漸走向智能化生產(chǎn)，極大地提高了生產(chǎn)力。但是隨著工人大規(guī)模解放，產(chǎn)品或零部件的缺陷
2023-07-06 14:49:57339 
摘 要：點云分割是點云數(shù)據(jù)理解中的一個關鍵技術，但傳統(tǒng)算法無法進行實時語義分割。近年來深度學習被應用在點云分割上并取得了重要進展。綜述了近四年來基于深度學習的點云分割的最新工作，按基本思想分為
2023-07-20 15:23:590 、形狀特征三個方面總結了傳統(tǒng)機器視覺表面缺陷檢測方法在工業(yè)產(chǎn)品表面缺陷檢測中的應用。其次，從監(jiān)督法、無監(jiān)督法、弱監(jiān)督法三個方面論述了近年來基于深度學習技術的工業(yè)產(chǎn)品表面缺陷檢測的研究現(xiàn)狀。然后，系統(tǒng)總結
2023-08-17 11:23:29530 
深度學習算法簡介 深度學習算法是什么?深度學習算法有哪些?? 作為一種現(xiàn)代化、前沿化的技術，深度學習已經(jīng)在很多領域得到了廣泛的應用，其能夠不斷地從數(shù)據(jù)中提取最基本的特征，從而對大量的信息進行機器學習
2023-08-17 16:02:566001 深度學習算法工程師是做什么 深度學習算法工程師是一種高級技術人才，是數(shù)據(jù)科學中創(chuàng)新的推動者，也是實現(xiàn)人工智能應用的重要人才。他們致力于開發(fā)和實現(xiàn)深度機器學習算法來解決各種現(xiàn)實問題，應用于各個領域
2023-08-17 16:03:01725 什么是深度學習算法？深度學習算法的應用 深度學習算法被認為是人工智能的核心，它是一種模仿人類大腦神經(jīng)元的計算模型。深度學習是機器學習的一種變體，主要通過變換各種架構來對大量數(shù)據(jù)進行學習以及分類處理
2023-08-17 16:03:041301 深度學習算法的選擇建議 隨著深度學習技術的普及，越來越多的開發(fā)者將它應用于各種領域，包括圖像識別、自然語言處理、聲音識別等等。對于剛開始學習深度學習的開發(fā)者來說，選擇適合自己的算法和框架是非
2023-08-17 16:11:05342 深度學習算法庫框架學習 深度學習是一種非常強大的機器學習方法，它可以用于許多不同的應用程序，例如計算機視覺、語言處理和自然語言處理。然而，實現(xiàn)深度學習技術需要使用一些算法庫框架。在本文中，我們將探討
2023-08-17 16:11:07412 了基于神經(jīng)網(wǎng)絡的機器學習方法。 深度學習算法可以分為兩大類：監(jiān)督學習和無監(jiān)督學習。監(jiān)督學習的基本任務是訓練模型去學習輸入數(shù)據(jù)的特征和其對應的標簽，然后用于新數(shù)據(jù)的預測。而無監(jiān)督學習通常用于聚類、降維和生成模型等任務中
2023-08-17 16:11:26637 浪費大量的人力成本。因此，越來越多的工程師開始將深度學習算法引入缺陷檢測領域，因為深度學習在特征提取和定位方面取得了非常好的效果。
2023-09-22 12:19:00449 
深度學習作為機器學習的一個分支，其學習方法可以分為監(jiān)督學習和無監(jiān)督學習。兩種方法都具有其獨特的學習模型：多層感知機 、卷積神經(jīng)網(wǎng)絡等屬于監(jiān) 督學習；深度置信網(wǎng) 、自動編碼器 、去噪自動編碼器 、稀疏編碼等屬于無監(jiān)督學習。
2023-10-09 10:23:42301 
電子發(fā)燒友網(wǎng)站提供《基于GPS的監(jiān)測定位系統(tǒng)算法研究與仿真.pdf》資料免費下載
2023-10-12 09:54:520 工業(yè)制造領域中，產(chǎn)品質(zhì)量的保證是至關重要的任務之一。然而，人工的檢測方法不僅費時費力，而且容易受到主觀因素的影響，從而降低了檢測的準確性和一致性。近年來，基于深度學習的技術在工業(yè)缺陷檢測領域取得了顯著的突破，其憑借其出色的特征學習和自動化能力，逐漸成為工業(yè)缺陷檢測的熱門方向。
2023-10-24 09:29:27478 
現(xiàn)有的FPC缺陷檢測算法多衍生于PCB檢測算法，但受本身獨特性限制，F(xiàn)PC板缺陷要求更高，檢測樣板尺寸更大，樣板成像易變形，使得針對PCB板的缺陷檢測算法不能直接套用FPC板的檢測算法，需要根據(jù)FPC板實際線路特征制定與之適宜的檢測算法。
2023-11-30 15:29:26121 缺陷形態(tài)多變，還可能出現(xiàn)各種無法預測的異常情況，傳統(tǒng)的缺陷模擬方法往往難以應對，這無疑增加了檢測的成本和難度。良品學習阿丘科技的良品學習模式，擁有非監(jiān)督分類與非監(jiān)
2024-01-26 08:25:10157 
基于圖像的織物疵點自動檢測技術已成為了該領域近年來的的研究熱點，其代替人工織物疵點檢測的研究算法也逐漸成為可能，主流方法一般分為兩大類， 一是基于傳統(tǒng)圖像處理的織物缺陷檢測方法，二是基于深度學習算法的織物缺陷檢測定位方法。
2024-02-20 14:24:4790 
雖然表面缺陷檢測技術已經(jīng)不斷從學術研究走向成熟的工業(yè)應用，但是依然有一些需要解決的問題?；谝陨戏治隹梢园l(fā)現(xiàn)，由于芯片表面缺陷的獨特性質(zhì)，通用目標檢測算法不適合直接應用于芯片表面缺陷檢測任務，需要提出新的解決方法。
2024-02-25 14:30:18181 
電子發(fā)燒友App
工商網(wǎng)監(jiān)
評論