相關(guān)文章

• 動(dòng)手學(xué)CV-Pytorch計(jì)算機(jī)視覺(jué) 天池計(jì)算機(jī)視覺(jué)入門(mén)賽SVHN數(shù)據(jù)集實(shí)戰(zhàn)

  這里我們以datawhale和天池合作的天池計(jì)算機(jī)視覺(jué)入門(mén)賽為例，通過(guò)案例實(shí)戰(zhàn)來(lái)進(jìn)一步鞏固本章所介紹的圖像分類(lèi)知識(shí)。 該比賽以SVHN街道字符為賽題數(shù)據(jù)，數(shù)據(jù)集報(bào)名后可見(jiàn)并可下載，該數(shù)據(jù)來(lái)

  2024年02月04日

  瀏覽(15)
• 

  深度學(xué)習(xí)實(shí)戰(zhàn)56-基于VR虛擬現(xiàn)實(shí)眼鏡與計(jì)算機(jī)視覺(jué)遠(yuǎn)程操控機(jī)器人，實(shí)現(xiàn)遠(yuǎn)程協(xié)助獨(dú)居老人生活起居

  大家好，我是微學(xué)AI，今天給大家介紹一下深度學(xué)習(xí)實(shí)戰(zhàn)56-基于VR虛擬現(xiàn)實(shí)眼鏡與計(jì)算機(jī)視覺(jué)遠(yuǎn)程操控機(jī)器人，實(shí)現(xiàn)遠(yuǎn)程協(xié)助獨(dú)居老人生活起居，在信息科技飛速發(fā)展的當(dāng)下，我們面臨著一個(gè)重大社會(huì)問(wèn)題——老齡化。越來(lái)越多的老年人選擇獨(dú)自生活，而他們往往因?yàn)樯眢w原因

  2024年02月08日

  瀏覽(29)
• 

  【深度學(xué)習(xí)： 計(jì)算機(jī)視覺(jué)】如何改進(jìn)計(jì)算機(jī)視覺(jué)數(shù)據(jù)集

  機(jī)器學(xué)習(xí)算法需要大量數(shù)據(jù)集來(lái)訓(xùn)練、提高性能并生成組織所需的結(jié)果。 數(shù)據(jù)集是計(jì)算機(jī)視覺(jué)應(yīng)用程序和模型運(yùn)行的燃料。數(shù)據(jù)越多越好。這些數(shù)據(jù)應(yīng)該是高質(zhì)量的，以確保人工智能項(xiàng)目獲得最佳的結(jié)果和產(chǎn)出。 獲取訓(xùn)練機(jī)器學(xué)習(xí)模型所需數(shù)據(jù)的最佳方法之一是使用開(kāi)源數(shù)

  2024年02月20日

  瀏覽(33)
• 

  深度學(xué)習(xí)與計(jì)算機(jī)視覺(jué)

  目錄 1 深度學(xué)習(xí) 1.1?人工智能 1.2?機(jī)器學(xué)習(xí) 1.3?深度學(xué)習(xí) 1.3.1 深度學(xué)習(xí)發(fā)展歷程 1.3.2 深度學(xué)習(xí)中的核心因素 1.3.3 深度學(xué)習(xí)模型分類(lèi) 1.3.4?深度學(xué)習(xí)框架 2?計(jì)算機(jī)視覺(jué) 人工智能、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)這三者的關(guān)系： 在實(shí)現(xiàn)人工智能的眾多算法中，機(jī)器學(xué)習(xí)是發(fā)展較為快速的

  2024年02月06日

  瀏覽(28)
• 

  計(jì)算機(jī)視覺(jué)（五）深度學(xué)習(xí)基礎(chǔ)

  深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)的區(qū)別 選擇合適的目標(biāo)函數(shù) Softmax層 梯度消失的直觀解釋 激活函數(shù) 學(xué)習(xí)步長(zhǎng) SGD的問(wèn)題 存在馬鞍面，使我們的訓(xùn)練卡住，于是提出下面方法： Momentum動(dòng)量 Nesterov Momentum 先利用“慣性”，“走”一步。避免一開(kāi)始，就被當(dāng)前梯度帶偏。 Adagrad 為不同的參數(shù)

  2024年02月14日

  瀏覽(36)
• 

  深度學(xué)習(xí)｜10.1 深度學(xué)習(xí)在計(jì)算機(jī)視覺(jué)的應(yīng)用

  圖像中的每一個(gè)像素點(diǎn)都是輸入層的一部分。而最終最后只有一個(gè)輸出點(diǎn)，也就是說(shuō)需要通過(guò)乘上中間層/隱藏層內(nèi)部的矩陣，從而實(shí)現(xiàn)降維。 直觀上，信息越多，分析的效果應(yīng)該越好，但也意味著分析的量會(huì)越來(lái)越大，考慮到分析所需要的時(shí)間和空間，往往采用卷積的方式

  2024年02月03日

  瀏覽(32)
• 

  計(jì)算機(jī)視覺(jué)（三）未有深度學(xué)習(xí)之前

  把圖像劃分成若干互不相交的區(qū)域。 經(jīng)典的數(shù)字圖像分割算法一般是基于灰度值的兩個(gè)基本特征之一：不連續(xù)性和相似性。 基于閾值：基于圖像灰度特征計(jì)算一個(gè)或多個(gè)灰度閾值。將灰度值與閾值比較，最后將比較結(jié)果分到合適的類(lèi)別中。 大津法 基于邊緣：邊界線(xiàn)上連續(xù)的

  2024年02月15日

  瀏覽(45)

• 深度學(xué)習(xí)與計(jì)算機(jī)視覺(jué)的創(chuàng)新

  深度學(xué)習(xí)和計(jì)算機(jī)視覺(jué)是現(xiàn)代人工智能領(lǐng)域的兩個(gè)重要分支。深度學(xué)習(xí)是一種通過(guò)多層神經(jīng)網(wǎng)絡(luò)來(lái)處理大規(guī)模數(shù)據(jù)的機(jī)器學(xué)習(xí)方法，而計(jì)算機(jī)視覺(jué)則是利用計(jì)算機(jī)程序來(lái)模仿人類(lèi)視覺(jué)系統(tǒng)對(duì)圖像進(jìn)行分析和理解的技術(shù)。在過(guò)去的幾年里，深度學(xué)習(xí)與計(jì)算機(jī)視覺(jué)的融合已經(jīng)取得

  2024年04月09日

  瀏覽(22)

• 【探索AI】三十一-計(jì)算機(jī)視覺(jué)（六）深度學(xué)習(xí)在計(jì)算機(jī)視覺(jué)中的應(yīng)用

  深度學(xué)習(xí)在計(jì)算機(jī)視覺(jué)中的應(yīng)用已經(jīng)取得了顯著的成果，并且正在逐步改變我們對(duì)圖像和視頻信息的處理和理解方式。下面將詳細(xì)講解深度學(xué)習(xí)在計(jì)算機(jī)視覺(jué)中的幾個(gè)關(guān)鍵應(yīng)用。 首先，我們來(lái)看圖像分類(lèi)。圖像分類(lèi)是計(jì)算機(jī)視覺(jué)的基本任務(wù)之一，它涉及到將輸入的圖像自動(dòng)歸

  2024年04月09日

  瀏覽(36)
• 

  《計(jì)算機(jī)視覺(jué)度量：從特征描述到深度學(xué)習(xí)》--工業(yè)視覺(jué)深度學(xué)習(xí)方法概述

  博主更新了幾期關(guān)于深度學(xué)習(xí)在工業(yè)場(chǎng)景的應(yīng)用文章，本次全面闡述一下深度學(xué)習(xí)方法在整個(gè)應(yīng)用場(chǎng)景的方法和應(yīng)用的局限特性： 分類(lèi)：分類(lèi)作為深度學(xué)習(xí)基本的研究方向，這幾年的學(xué)術(shù)研究取得了重大突破。基本原理如下圖 原理分析：采用圖片的每個(gè)像素值，通過(guò)深度學(xué)

  2024年02月20日

  瀏覽(25)