首頁　 資訊　 商機 　 下載　 拆解 　 高校　 招聘 　 雜志　 會展　 EETV　 百科 　 問答　 電路圖　 工程師手冊 　 Datasheet　 100例 　 活動中心　 E周刊閱讀 　 樣片申請
EEPW首頁 >> 主題列表 >> 卷積神經網絡

卷積神經網絡 文章 最新資訊

基于卷積神經網絡的人臉識別檢測分析

  • 為了提高人臉識別檢測精度，應用卷積神經網絡進行分析。在建立AlexNet網絡結構的基礎上，將Dropout技術引進全連接層中，給出了具體的卷積神經網絡結構參數。研究結果表明：本文算法表現出較高的召回率，人臉簽到系統(tǒng)的基礎需求得到滿足。側臉及戴頭盔遮擋照片觀察對比得出，檢測人臉圖片的準確度及清晰度均相對較高，表明對于部分遮擋人臉或側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別能力，對圖像處理優(yōu)化起到一定的理論支撐。
  • 關鍵字： 202308  人臉識別  卷積神經網絡  網絡結構  檢測精度  

基于機器視覺的水面垃圾尋航系統(tǒng)*

  • 水面垃圾會造成水體污染，它不僅破壞了水域生態(tài)系統(tǒng)平衡，并且對人類社會的生產和生活也產生了巨大危害，還會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。針對該問題，設計了一款基于機器視覺的水面垃圾尋航系統(tǒng)，該裝置基于YOLO-V2卷積神經網絡模型進行目標檢測，尋找水面垃圾等漂浮物，控制船只靠近目標物進行拾取，通過GPS進行導航，使用蟻群算法和完全遍歷算法進行路徑規(guī)劃，同時用ESP32-cam和小熊派完成云
  • 關鍵字： 202307  水面垃圾  卷積神經網絡  優(yōu)化算法  PID  路徑規(guī)劃  

卷積神經網絡的硬件轉換：什么是機器學習？——第三部分

  • 摘要本系列文章由三部分組成，主要探討卷積神經網絡(CNN)的特性和應用。CNN主要用于模式識別和對象分類。作為系列文章的第三部分，本文重點解釋如何使用硬件轉換卷積神經網絡(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(IoT)邊緣實現人工智能應用所帶來的好處。系列文章的前兩篇文章為《卷積神經網絡簡介：什么是機器學習？——第一部分》和《訓練卷積神經網絡：什么是機器學習？——第二部分》。 簡介AI應用通常需要消耗大量能源，并以服務器農場或昂貴的現場可編程門陣列(FPG
  • 關鍵字： 卷積神經網絡  硬件轉換  機器學習  ADI  

卷積神經網絡簡介：什么是機器學習？——第一部分

  • 隨著人工智能(AI)技術的快速發(fā)展，AI可以越來越多地支持以前無法實現或者難以實現的應用。本系列文章基于此解釋了卷積神經網絡(CNN)及其對人工智能和機器學習的意義。CNN是一種能夠從復雜數據中提取特征的強大工具，例如識別音頻信號或圖像信號中的復雜模式就是其應用之一。本文討論了CNN相對于經典線性規(guī)劃的優(yōu)勢，后續(xù)文章《訓練卷積神經網絡：什么是機器學習？——第二部分》將討論如何訓練CNN模型，系列文章的第三部分將討論一個特定用例，并使用專門的AI微控制器對模型進行測試。什么是卷積神經網絡？神經網絡是一種由神
  • 關鍵字： ADI  卷積神經網絡  機器學習  

基于深度學習的智能電網短期日負荷曲線預測系統(tǒng)設計與實現

  • 短期電力負荷精準預測對發(fā)電容量與輸電方式的合理調度、確保電力系統(tǒng)安全、穩(wěn)定運行起著至關重要的作用。本文針對負荷數據基數大、難提取、負荷預測影響因素多等問題，運用Mysql數據庫和Python爬蟲技術構建了短期負荷曲線預測基礎數據平臺，提高了數據的存取效率；針對電力負荷的隨機波動性，運用Pandas、關聯(lián)分析算法完成了缺失值處理和影響因素與用電負荷的相關性分析；為提高預測精度，探索使用了融合卷積神經網絡、長短期記憶網格和注意力機制的多元混合神經網絡模型。
  • 關鍵字： 202302  深度學習  短期負荷預測  卷積神經網絡  長短期記憶網格  Flask  

基于機器視覺的帶鋼焊縫定位

  • 提出了一種基于機器視覺的帶鋼焊縫檢測與定位技術，在原CenterNet算法的基礎上增加旋轉角度的回歸實現了旋轉目標檢測，并根據網絡的輸入參數制作合適的數據集。為了進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，多組實驗結果對比表明，該方法能在精確率、召回率、F值和檢測速度上得到提升，滿足實際檢測的需求。
  • 關鍵字： 卷積神經網絡  實例標準化  特征提取  算法  202212  

基于深度學習的跌倒檢測技術對比與分析*

  • 基于意外跌倒是造成老年人受傷、失能及死亡的主要原因，對近年來關于深度學習的跌倒檢測研究進行了介紹。根據跌倒檢測工作流程，從數據采集、數據處理、模型訓練及狀態(tài)識別幾個方面進行了詳細介紹，并對已有的基于深度學習的跌倒檢測方法進行分析與比較，為將來的應用研究提供參考，并對將來的發(fā)展方向提出一些思考。
  • 關鍵字： 深度學習  跌倒檢測  卷積神經網絡  長短期記憶網絡  202212  

基于機器學習的虛擬門把手設計與實現

  • 摘要：為了提高安全性和便捷性，尤其是在疫情背景下，應避免使用者因接觸門把手而造成交疾病的叉污 染。本文設計了一種非接觸式的虛擬門把手，可用來代替?zhèn)鹘y(tǒng)門把手在現實生活中的作用。該虛擬門把手采用 樹莓派作為主控芯片，通過攝像頭采集實時畫面和用戶手勢，門鎖模塊用于實現開鎖和反鎖的功能；該虛擬門 把手還具有人臉識別功能，保障用戶的安全和隱私。測試結果表明，該虛擬門把手能夠實現人臉識別，并在用 戶做出指定手勢時實現開鎖或反鎖的功能，達到了預期的設計目標。關鍵詞：人臉識別；手勢識別；樹莓派；卷積神經網絡項目支
  • 關鍵字： 202207  人臉識別  手勢識別  樹莓派  卷積神經網絡  

基于GWO-BP-CNN-ec的風電功率短期預測模型*

  • 在大型電網和小型微電網中，風電功率短期預測對電力系統(tǒng)的調度運行有著重要意義。為了提高短期風電功率預測精度，文章提出一種卷積神經網絡(Convolutional Neural Network，CNN)與灰狼優(yōu)化算法(Grey Wolf Optimizer，GWO)結合的短期風電預測模型。首先，通過數據的離散化，將二維風速轉換成三維風速，變?yōu)榉螩NN模型的輸入量，再結合GWO對CNN模型的參數進行優(yōu)化，最后通過BP對整個網絡進行微調后引入預測偏差二次修正，最后建立了基于GWO-BP-CNN-ec的風電功率預
  • 關鍵字： 風電功率短期預測  卷積神經網絡  灰狼優(yōu)化  偏差修正  

賽靈思器件上的 INT4 優(yōu)化卷積神經網絡（2）

  • 接上期http://2s4d.com/article/202009/418351.htm賽靈思 DSP 片上的 INT4 優(yōu)化使用 DSP 硬件資源可實現乘法和累加 (MAC) 占用硬件資源較少。經優(yōu)化后，DSP 能夠在 16nm 或 28nm 器件上處理盡可能多的 MAC 運算。以 16nm 為例，賽靈思可編程器件中 UltraScale? 架構的 DSP48E2 片就屬于專用片[參考資料 11]。DSP48E2 片由一個 27x18 二進制補碼乘法器和一個 48 位累加器構成。如圖 3
  • 關鍵字： 賽靈思  INT4  卷積神經網絡  

賽靈思器件上的 INT4 優(yōu)化卷積神經網絡（1）

  • ?對于 AI 推斷，在提供與浮點相媲美的精度的同時，INT8 的性能優(yōu)于浮點。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 INT4 優(yōu)化，與現有的 INT8 解決方案相比，賽靈思在實際硬件上可實現高達 77% 的性能提升。概要賽靈思在其硬件平臺上提供 INT8 AI 推斷加速器 — 深度學習處理器單元 (XDPU)。然而，在某些資源受限，要求高性能、低時延的場景（例如對資源、功耗敏感的邊緣側場景和低時延 ADAS 場景）中，為了實現比 INT8 更低的
  • 關鍵字： 賽靈思  INT4  卷積神經網絡  

大數據醫(yī)療時代的人工智能與隱私保護

  • 　　王旭　?。ㄙF州大學大數據與信息工程學院，貴州省量子信息和大數據應用技術研究院，貴州，貴陽 550025）　　摘要：近年來，隨著大數據挖掘與分析等方法的逐漸成熟，人工智能技術已經在醫(yī)療領域廣泛應用。本文詳細討論了在醫(yī)療數據采集端與人工智能應用端隱私保護所面臨的各項問題，從技術的角度、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)隱私保護的理論和實踐發(fā)展提供了可行路徑?！　￡P鍵詞：醫(yī)療大數據；深度學習；卷積神經網絡；人工智能；隱私保護　　在醫(yī)療行業(yè)中，醫(yī)院信息系統(tǒng)基本
  • 關鍵字： 201906  醫(yī)療大數據  深度學習  卷積神經網絡  人工智能  隱私保護  

人工智能市場廣闊 AI醫(yī)學影像該如何盈利？

  • 　　基于卷積神經網絡的深度學習算法，在2012年以來逐漸成為醫(yī)學變革的新動能?；贑T、MRI、X光、超聲、熱紅外、細胞涂片、心電圖等醫(yī)學圖像的智能輔助診療系統(tǒng)，在臨床使用中已經被證明了有效性。 　　前不久，筆者在與道彤投資合伙人鄒國文的一次閑聊中，鄒先生透露，國內致力于開發(fā)智能輔助診療系統(tǒng)的企業(yè)，數量超過100家。如此之多的創(chuàng)業(yè)者或企業(yè)家脫身于此，一方面證明了其對醫(yī)學進步的貢獻之大，另一方面也預示著其潛在的、巨大的商業(yè)價值空間。 　　投資風口背后的虛虛實實，2018年市場基本清晰了。有些拿不到融資、
  • 關鍵字： 人工智能  卷積神經網絡  

人工智能診斷水平堪比專家 醫(yī)生會下崗嗎？

  • 　　先是無人駕駛熱透半邊天，繼而下圍棋又打遍天下無敵手……逆天的人工智能，最近甚至把手伸進醫(yī)院——這不，廣州市婦女兒童醫(yī)療中心剛剛對外宣布，其基于深度學習開發(fā)出一個能診斷眼病和肺炎兩大類疾病的人工智能系統(tǒng)，這項研究成果以封面文章登上2月23日的世界頂級期刊《Cell》(細胞)。 　　   　　人工智能診斷疾病靠譜嗎?南方南君告訴你，絕對驚人!比對實驗發(fā)現，該系統(tǒng)在診斷眼疾時的準確性達到96。6%;在區(qū)分肺炎和健康狀態(tài)時，準確性達到92
  • 關鍵字： 人工智能  卷積神經網絡  

一步一步學用Tensorflow構建卷積神經網絡

  • 　　0. 簡介　　在過去，我寫的主要都是“傳統(tǒng)類”的機器學習文章，如樸素貝葉斯分類、邏輯回歸和Perceptron算法。在過去的一年中，我一直在研究深度學習技術，因此，我想和大家分享一下如何使用Tensorflow從頭開始構建和訓練卷積神經網絡。這樣，我們以后就可以將這個知識作為一個構建塊來創(chuàng)造有趣的深度學習應用程序了?！　榇?，你需要安裝Tensorflow(請參閱安裝說明)，你還應該對Python編程和卷積神經網絡背后的理論有一個基本的了解。安裝完Tensorflow之后，你可以在不依賴GP
  • 關鍵字： Tensorflow  卷積神經網絡  
共19條 1/2 1 2 »

卷積神經網絡介紹

您好，目前還沒有人創(chuàng)建詞條卷積神經網絡!
歡迎您創(chuàng)建該詞條，闡述對卷積神經網絡的理解，并與今后在此搜索卷積神經網絡的朋友們分享。    創(chuàng)建詞條

熱門主題

樹莓派    linux   
關于我們 - 廣告服務 - 企業(yè)會員服務 - 網站地圖 - 聯(lián)系我們 - 征稿 - 友情鏈接 - 手機EEPW
Copyright ?2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《電子產品世界》雜志社 版權所有 北京東曉國際技術信息咨詢有限公司
備案 京ICP備12027778號-2 北京市公安局備案：1101082052    京公網安備11010802012473