機(jī)器視覺和深度學(xué)習(xí)在工業(yè)領(lǐng)域的應(yīng)用

圖像處理上，隨著圖像高精度的邊緣信息的提取，很多原本混合在背景噪聲中難以直接檢測的低對比度瑕疵開始得到分辨。

2023-06-21 標(biāo)簽：機(jī)器人機(jī)器視覺深度學(xué)習(xí) 835 0

基于深度閾值噪聲消除的多尺度分析調(diào)制識別網(wǎng)絡(luò)

為了提高多變環(huán)境下調(diào)制信號識別的準(zhǔn)確性、減少先驗(yàn)知識不足等因素對識別結(jié)果的影響，研究人員逐漸采用深度學(xué)習(xí)技術(shù)來替代傳統(tǒng)的調(diào)制信號處理技術(shù)。

2023-06-20 標(biāo)簽：解碼器編碼器調(diào)制信號 662 0

基于深度學(xué)習(xí)算法的圖像PUF識別驗(yàn)證系統(tǒng)

借助高通量的圖案化光刻（鏤空模板）、薄膜沉積及一步熱退火技術(shù)，新方法可實(shí)現(xiàn)晶圓級PUF單元制作，體現(xiàn)了批量化、低成本（單個(gè)標(biāo)簽成本不到1美分）的生產(chǎn)特點(diǎn)。

2023-06-20 標(biāo)簽：元器件深度學(xué)習(xí) 400 0

三種最常用的特征檢測與匹配算法總結(jié)

我們都知道特征檢測和匹配是計(jì)算機(jī)視覺領(lǐng)域中的重要任務(wù)，它們在許多應(yīng)用中發(fā)揮著關(guān)鍵作用，比如SLAM、SFM、AR、VR等許多算法都需要穩(wěn)定精確的特征檢測和匹配。

2023-06-19 標(biāo)簽：算法計(jì)算機(jī)特征檢測 7458 0

基于深度學(xué)習(xí)算法的一系列目標(biāo)檢測算法

YOLO意思是You Only Look Once，創(chuàng)造性的將候選區(qū)和對象識別這兩個(gè)階段合二為一，看一眼圖片（不用看兩眼哦）就能知道有哪些對象以及它們的位置。

2023-06-19 標(biāo)簽：算法目標(biāo)檢測深度學(xué)習(xí) 472 0

基于機(jī)器視覺的汽車漆面缺陷檢測技術(shù)

統(tǒng)和運(yùn)動控制系統(tǒng)。系統(tǒng)對漆面缺陷檢測的過程和結(jié)果全程保存在本地電腦數(shù)據(jù)庫上，同時(shí)可以與車間管理系統(tǒng)對接，實(shí)現(xiàn)檢測結(jié)果的分類查詢、匯總分析功能。

2023-06-19 標(biāo)簽：機(jī)器視覺制造業(yè)深度學(xué)習(xí) 4505 0

基于深度學(xué)習(xí)的三維點(diǎn)云配準(zhǔn)新方法

一、摘要 本文介紹了一種基于深度學(xué)習(xí)的三維點(diǎn)云配準(zhǔn)新方法。該架構(gòu)由三個(gè)部分組成: (1)編碼器由基于卷積圖的描述符組成，該描述符對每個(gè)點(diǎn)的近鄰進(jìn)行編碼，...

2023-06-17 標(biāo)簽：三維數(shù)據(jù)集深度學(xué)習(xí) 1779 0

基于深度學(xué)習(xí)方法進(jìn)行時(shí)序預(yù)測的調(diào)優(yōu)方案

RNN（循環(huán)神經(jīng)網(wǎng)絡(luò)）是一種強(qiáng)大的深度學(xué)習(xí)模型，經(jīng)常被用于時(shí)間序列預(yù)測。RNN通過在時(shí)間上展開神經(jīng)網(wǎng)絡(luò)，將歷史信息傳遞到未來，從而能夠處理時(shí)間序列數(shù)據(jù)中...

2023-06-16 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)rnn 2619 0

人工智能應(yīng)用：機(jī)器視覺之表面缺陷檢測

現(xiàn)在，機(jī)器視覺在工業(yè)檢測、包裝印刷、食品工業(yè)、航空航天、生物醫(yī)學(xué)工程、軍事科技、智能交通、文字識別等領(lǐng)域得到了廣泛的應(yīng)用。

2023-06-16 標(biāo)簽：機(jī)器視覺人工智能機(jī)器學(xué)習(xí) 1460 0

2023北京智源大會亮點(diǎn)回顧 | 高性能計(jì)算、深度學(xué)習(xí)和大模型：打造通用人工智能AGI的金三角

北京智源大會中黃鐵軍表示，從“第一性原理”出發(fā)，通過構(gòu)建一個(gè)完整的智能系統(tǒng)AGI，從原子到有機(jī)分子到神經(jīng)系統(tǒng)、到身體，實(shí)現(xiàn)通用人工智能。這是一個(gè)大概需要...

2023-06-15 標(biāo)簽：人工智能Agi深度學(xué)習(xí) 1377 0

從淺層到深層神經(jīng)網(wǎng)絡(luò)：概覽深度學(xué)習(xí)優(yōu)化算法

優(yōu)化算法一直以來是機(jī)器學(xué)習(xí)能根據(jù)數(shù)據(jù)學(xué)到知識的核心技術(shù)。而好的優(yōu)化算法可以大大提高學(xué)習(xí)速度，加快算法的收斂速度和效果。該論文從淺層模型到深度模型縱覽監(jiān)督...

2023-06-15 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)計(jì)算機(jī)機(jī)器學(xué)習(xí) 1009 0

利用OpenVINO? 部署 HuggingFace預(yù)訓(xùn)練模型的方法與技巧

但也正因?yàn)?Transformer, Diffusers 這些庫具有非常高的易用性，很多底層的代碼與模型任務(wù)邏輯也被隱藏了起來，如果開發(fā)者想針對某個(gè)硬件...

2023-06-14 標(biāo)簽：函數(shù)模型深度學(xué)習(xí) 1018 0

傅里葉變換如何用于深度學(xué)習(xí)領(lǐng)域

機(jī)器學(xué)習(xí)和深度學(xué)習(xí)中的模型都是遵循數(shù)學(xué)函數(shù)的方式創(chuàng)建的。從數(shù)據(jù)分析到預(yù)測建模，一般情況下都會有數(shù)學(xué)原理的支撐，比如：歐幾里得距離用于檢測聚類中的聚類。 ...

2023-06-14 標(biāo)簽：函數(shù)傅里葉變換深度學(xué)習(xí) 1733 0

如何將傅立葉變換用于深度學(xué)習(xí)領(lǐng)域

如果 CNN 中的輸入矩陣和濾波器矩陣可以轉(zhuǎn)換為頻域進(jìn)行乘法運(yùn)算，并且頻域乘法的結(jié)果矩陣可以轉(zhuǎn)換為時(shí)域矩陣，則不會對算法的準(zhǔn)確性造成任何影響。

2023-06-14 標(biāo)簽：濾波器神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí) 1543 0

觸景無限感知壓縮方案優(yōu)勢

基于深度學(xué)習(xí)的AI編碼智能去圖像信息冗余，實(shí)現(xiàn)更高壓縮率。同時(shí)AI識別ROI興趣區(qū)域低倍率壓縮保留物體特征，背景區(qū)域高倍率壓縮提升壓縮比。

2023-06-13 標(biāo)簽：傳感器深度學(xué)習(xí) 485 0

基于神經(jīng)網(wǎng)絡(luò)ADMM-net的高空間分辨率片上快速光譜成像技術(shù)

光譜成像擴(kuò)展了傳統(tǒng)彩色（RGB）相機(jī)的概念，可以在多個(gè)光譜通道捕獲圖像，在遙感、精準(zhǔn)農(nóng)業(yè)、生物醫(yī)學(xué)、環(huán)境監(jiān)測和天文學(xué)等領(lǐng)域得到了廣泛應(yīng)用。

2023-06-12 標(biāo)簽：深度學(xué)習(xí)光譜成像技術(shù) 974 0

過擬合、泛化和偏差-方差權(quán)衡

在機(jī)器學(xué)習(xí)中，過度擬合是當(dāng)模型變得過于復(fù)雜并開始過于接近訓(xùn)練數(shù)據(jù)時(shí)發(fā)生的常見問題。這意味著該模型可能無法很好地推廣到新的、看不見的數(shù)據(jù)，因?yàn)樗旧嫌涀?..

2023-06-12 標(biāo)簽：機(jī)器學(xué)習(xí)深度學(xué)習(xí) 809 0

淺談深度學(xué)習(xí)在計(jì)算機(jī)視覺領(lǐng)域的三大瓶頸

深度學(xué)習(xí)能夠?qū)崿F(xiàn)的前提是大量經(jīng)過標(biāo)注的數(shù)據(jù)，這使得計(jì)算機(jī)視覺領(lǐng)域的研究人員傾向于在數(shù)據(jù)資源豐富的領(lǐng)域搞研究，而不是去重要的領(lǐng)域搞研究。

2023-06-11 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)計(jì)算機(jī)視覺深度學(xué)習(xí) 619 0

經(jīng)典多目標(biāo)跟蹤算法DeepSORT的基本原理和實(shí)現(xiàn)

在開始介紹DeepSORT的原理之前呢，我們先來了解下目標(biāo)檢測，和目標(biāo)跟蹤之間的區(qū)別。

2023-06-10 標(biāo)簽：算法目標(biāo)跟蹤深度學(xué)習(xí) 4864 0