完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>
標(biāo)簽 > 深度學(xué)習(xí)
文章:4761個(gè) 瀏覽:124704次 帖子:174個(gè)
機(jī)器視覺(jué)常用的3種目標(biāo)識(shí)別方法
隨著機(jī)器學(xué)習(xí),深度學(xué)習(xí)的發(fā)展,很多肉眼很難去直接量化的特征,深度學(xué)習(xí)可以自動(dòng)學(xué)習(xí)這些特征,這就是深度學(xué)習(xí)帶給我們的優(yōu)點(diǎn)和前所未有的吸引力。
2022-11-30 標(biāo)簽:機(jī)器視覺(jué)深度學(xué)習(xí) 1.7k 0
何時(shí)使用機(jī)器學(xué)習(xí)或深度學(xué)習(xí)
鑒于科學(xué)的快速增長(zhǎng)和發(fā)展,了解使用哪些人工智能技術(shù)來(lái)推進(jìn)項(xiàng)目可能具有挑戰(zhàn)性。本文概述了機(jī)器學(xué)習(xí)和深度學(xué)習(xí)之間的差異,以及如何確定何時(shí)應(yīng)用這兩種方法。
2022-11-30 標(biāo)簽:機(jī)器學(xué)習(xí)深度學(xué)習(xí) 1.6k 0
深度學(xué)習(xí)推動(dòng)了數(shù)字圖像處理領(lǐng)域的極限。但是,這并不是說(shuō)傳統(tǒng)計(jì)算機(jī)視覺(jué)技術(shù)已經(jīng)過(guò)時(shí)了。本文將分析每種方法的優(yōu)缺點(diǎn)。本文的目的是促進(jìn)有關(guān)是否應(yīng)保留經(jīng)典計(jì)算機(jī)...
2022-11-29 標(biāo)簽:計(jì)算機(jī)視覺(jué)機(jī)器學(xué)習(xí)深度學(xué)習(xí) 2.1k 0
現(xiàn)階段人工智能的發(fā)展很多都是基于深度學(xué)習(xí)、深度神經(jīng)網(wǎng)絡(luò)。隨著神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)越來(lái)越復(fù)雜,模型越來(lái)越大,參數(shù)越來(lái)越多。
2022-11-29 標(biāo)簽:AI人工智能深度學(xué)習(xí) 1.4萬(wàn) 0
使用深度學(xué)習(xí)的在線(xiàn)學(xué)習(xí)中的錯(cuò)誤發(fā)音檢測(cè)
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(zhuān)注于使用機(jī)器/深度學(xué)習(xí)技術(shù)檢測(cè)發(fā)音錯(cuò)誤。在線(xiàn)學(xué)習(xí)中錯(cuò)誤發(fā)音檢測(cè)的目的是高精度地識(shí)別發(fā)音錯(cuò)誤或...
2022-11-29 標(biāo)簽:機(jī)器學(xué)習(xí)深度學(xué)習(xí) 1.4k 0
采用檢測(cè)框架CoP通過(guò)控制偏好檢測(cè)事實(shí)不一致
一致性評(píng)估的本質(zhì)是衡量摘要Y受原文X支持的程度,也就是衡量X到Y(jié)的因果效應(yīng)。直接使用常規(guī)推理過(guò)程的生成概率(如BARTScore[2])不能夠區(qū)分X和M...
2022-11-29 標(biāo)簽:深度學(xué)習(xí) 1.6k 0
深度學(xué)習(xí)和傳統(tǒng)計(jì)算機(jī)視覺(jué)技術(shù)在新興領(lǐng)域的比較
是不是深度學(xué)習(xí)就可以解決所有問(wèn)題呢?是不是它就比傳統(tǒng)計(jì)算機(jī)視覺(jué)方法好呢?但是深度學(xué)習(xí)無(wú)法解決所有的問(wèn)題,在一些問(wèn)題上,具備全部特征的傳統(tǒng)技術(shù)仍是更好的方...
2022-11-28 標(biāo)簽:計(jì)算機(jī)深度學(xué)習(xí) 2.7k 0
采用阿里云倚天實(shí)例g8y對(duì)深度學(xué)習(xí)推理性能進(jìn)行測(cè)試和比較
近幾年,深度學(xué)習(xí)在視覺(jué)、自然語(yǔ)言處理、搜索廣告推薦等工業(yè)界的各個(gè)領(lǐng)域廣泛落地。深度學(xué)習(xí)模型參數(shù)量的指數(shù)級(jí)上升、以及新的業(yè)務(wù)對(duì)復(fù)雜模型的需求,都要求云廠商...
2022-11-25 標(biāo)簽:芯片arm深度學(xué)習(xí) 2.4k 0
一場(chǎng)視覺(jué)設(shè)計(jì)領(lǐng)域的范式轉(zhuǎn)移即將開(kāi)始。 過(guò)去,在大多數(shù)人看來(lái),藝術(shù)或許是這個(gè)人工智能不斷取代生產(chǎn)的時(shí)代里為數(shù)不多的無(wú)法被“入侵”的領(lǐng)域。然而,這個(gè)觀點(diǎn)卻在...
2022-11-25 標(biāo)簽:AI深度學(xué)習(xí) 1.6k 0
基于深度學(xué)習(xí)的視覺(jué)檢測(cè)系統(tǒng)的特點(diǎn)及應(yīng)用
在深度學(xué)習(xí)算法出來(lái)之前,對(duì)于視覺(jué)算法來(lái)說(shuō),大致可以分為以下5個(gè)步驟:特征感知,圖像預(yù)處理,特征提取,特征篩選,推理預(yù)測(cè)與識(shí)別。早期的機(jī)器學(xué)習(xí)中,占優(yōu)勢(shì)的...
2022-11-24 標(biāo)簽:計(jì)算機(jī)AI深度學(xué)習(xí) 2.8k 0
TinyMaix - 面向單片機(jī)的超輕量級(jí)的神經(jīng)網(wǎng)絡(luò)推理庫(kù)
大多數(shù)用于創(chuàng)建物聯(lián)網(wǎng)(IoT)的設(shè)備都是用小電池工作的。由于當(dāng)前消費(fèi)電子的動(dòng)態(tài)性,測(cè)量這些物聯(lián)網(wǎng)設(shè)備的能耗是一項(xiàng)艱巨的任務(wù)。開(kāi)發(fā)人員經(jīng)常需要使用多種儀器...
2022-11-24 標(biāo)簽:單片機(jī)神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí) 3.8k 0
數(shù)據(jù)清理通常是數(shù)據(jù)分析中最耗時(shí)的部分,根據(jù)數(shù)據(jù)量,清理步驟可能需要多次迭代。但是,投入所需的額外時(shí)間和資源所帶來(lái)的投資回報(bào)率允許在文本分析工作流的后期使...
2022-11-23 標(biāo)簽:編輯器機(jī)器學(xué)習(xí)深度學(xué)習(xí) 1.7k 0
百度飛槳承辦的WAVE SUMMIT+2022深度學(xué)習(xí)開(kāi)發(fā)者峰會(huì)即將開(kāi)啟
近日,二十多家硬件廠商紛紛在官方公眾號(hào)發(fā)文,集體“拍了拍”百度飛槳,引發(fā)了近年來(lái)軟硬件企業(yè)間最受關(guān)注的聯(lián)動(dòng)。 11月16日-17日,20多家硬件廠商集體...
2022-11-22 標(biāo)簽:AI百度深度學(xué)習(xí) 1.8k 0
商業(yè)邏輯方面有三個(gè)關(guān)鍵問(wèn)題——能不能用,是不是可靠,以及成本如何。對(duì)于能不能用,還存在許多挑戰(zhàn)。以皮膚狀況鑒別診斷為例,雖然深度學(xué)習(xí)提供了高診斷精度,但...
2022-11-22 標(biāo)簽:人工智能深度學(xué)習(xí) 996 0
Stable Diffusion采樣速度翻倍!僅需10到25步的擴(kuò)散模型采樣算法
然而,擴(kuò)散模型在使用上最大的問(wèn)題就是其極慢的采樣速度。模型采樣需要從純?cè)肼晥D片出發(fā),一步一步不斷地去噪,最終得到清晰的圖片。在這個(gè)過(guò)程中,模型必須串行地...
2022-11-21 標(biāo)簽:算法模型深度學(xué)習(xí) 2.5k 0
Google的深度學(xué)習(xí)框架TensorFlow的優(yōu)勢(shì)分析
TensorFlow命名源于其運(yùn)行原理,即“讓張量(Tensor)流動(dòng)起來(lái)(Flow)”,這是深度學(xué)習(xí)處理數(shù)據(jù)的核心特征。TensorFlow顯示了張量...
2022-11-21 標(biāo)簽:Google深度學(xué)習(xí) 2.6k 0
深度學(xué)習(xí)為機(jī)器視覺(jué)技術(shù)帶來(lái)的全新機(jī)遇
半導(dǎo)體行業(yè)也越來(lái)越多地依賴(lài)于這項(xiàng)技術(shù)。半導(dǎo)體繁復(fù)的生產(chǎn)過(guò)程由不下于 1000 道過(guò)程步驟組成。工業(yè)圖像處理可在例如質(zhì)量控制方面為此提供支持。晶片加工對(duì)速...
2022-11-21 標(biāo)簽:機(jī)器視覺(jué)深度學(xué)習(xí) 1.1k 0
您需要了解的有關(guān)模擬計(jì)算的知識(shí)
隨著人工智能 (AI) 和深度學(xué)習(xí)應(yīng)用在越來(lái)越多的行業(yè)中變得越來(lái)越普遍,對(duì)更好的性能、更大的深度神經(jīng)網(wǎng)絡(luò) (DNN) 模型容量和更低功耗的需求變得越...
2022-11-18 標(biāo)簽:人工智能深度學(xué)習(xí) 1.2k 0
使用TensorFlow Lite開(kāi)發(fā)基于TPU的AI解決方案
如今,從個(gè)人設(shè)備到企業(yè)應(yīng)用程序,人工智能已經(jīng)無(wú)處不在,您隨處可見(jiàn)。隨著物聯(lián)網(wǎng)的出現(xiàn),對(duì)數(shù)據(jù)隱私、低功耗、低延遲和帶寬限制的需求不斷增長(zhǎng),越來(lái)越多地推動(dòng)人...
2022-11-17 標(biāo)簽:AI深度學(xué)習(xí) 1.4k 0
AMD為愛(ài)信下一代自動(dòng)泊車(chē)輔助系統(tǒng)提供支持
車(chē)規(guī)級(jí) Zynq UltraScale+ MPSoC 平臺(tái)部署于愛(ài)信 APA 系統(tǒng)的攝像頭內(nèi)。該平臺(tái)結(jié)合了基于 Arm 的高性能多核、多處理系統(tǒng)與 AS...
2022-11-17 標(biāo)簽:amd賽靈思深度學(xué)習(xí) 1k 0
換一批
編輯推薦廠商產(chǎn)品技術(shù)軟件/工具OS/語(yǔ)言教程專(zhuān)題
| 電機(jī)控制 | DSP | 氮化鎵 | 功率放大器 | ChatGPT | 自動(dòng)駕駛 | TI | 瑞薩電子 |
| BLDC | PLC | 碳化硅 | 二極管 | OpenAI | 元宇宙 | 安森美 | ADI |
| 無(wú)刷電機(jī) | FOC | IGBT | 逆變器 | 文心一言 | 5G | 英飛凌 | 羅姆 |
| 直流電機(jī) | PID | MOSFET | 傳感器 | 人工智能 | 物聯(lián)網(wǎng) | NXP | 賽靈思 |
| 步進(jìn)電機(jī) | SPWM | 充電樁 | IPM | 機(jī)器視覺(jué) | 無(wú)人機(jī) | 三菱電機(jī) | ST |
| 伺服電機(jī) | SVPWM | 光伏發(fā)電 | UPS | AR | 智能電網(wǎng) | 國(guó)民技術(shù) | Microchip |
| Arduino | BeagleBone | 樹(shù)莓派 | STM32 | MSP430 | EFM32 | ARM mbed | EDA |
| 示波器 | LPC | imx8 | PSoC | Altium Designer | Allegro | Mentor | Pads |
| OrCAD | Cadence | AutoCAD | 華秋DFM | Keil | MATLAB | MPLAB | Quartus |
| C++ | Java | Python | JavaScript | node.js | RISC-V | verilog | Tensorflow |
| Android | iOS | linux | RTOS | FreeRTOS | LiteOS | RT-THread | uCOS |
| DuerOS | Brillo | Windows11 | HarmonyOS |