注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 深度学习，皮肤图像分割检测

  2. nature的资料，deep learning 深度学习，皮肤分割与图像检测。 Dermatologist-level classification of skin cancer with deep neural networks

  3. 所属分类：专业指导

    • 发布日期：2017-03-15
    • 文件大小：2mb
    • 提供者：usabooks

  1. ROS 深度学习—无人系统中的大脑与小脑

  2. 无人系统的“智能” ROS+DeepLearning+Caffe　 　　从需求出发，无人系统的智能设定需要实现如下功能： 1、感知环境的变化、对环境中的物体进行识别、理解物体之间的关系； （视觉、超声波、雷达等传感器，感知算法） 2、实现自主定位、进行路径规划、完成对运动机构的驱动、进行闭环检测； （规划：手臂、SLAM；驱动；ros control闭环） 3、实现语音识别、理解与生成； （语音） 4、进行高层语义计算、完成任务规划、做出控制决策等。 （任务规划，行为树） 　　 　　邓向阳表示

  3. 所属分类：深度学习

    • 发布日期：2017-10-12
    • 文件大小：12mb
    • 提供者：welcome_you8

  1. 基于机器视觉和深度学习的目标识别与抓取定位研究

  2. 本文主要研究基于机器视觉和深度学习的目标识别与定位，为传统工业机器人加 入视觉系统，实时监测加工对象的信息，应用机器视觉和深度学习的理论与方法对这 些信息进行处理，提高机器人的智能化水平。实验平台为本实验组搭建的基于机器视 觉的六自由度机械臂控制系统，如图 1.1 所示。系统主要包括双目摄像机、六自由度 机械臂、摄像机标定及测量子系统、机械臂控制子系统以及目标识别与定位子系统。 双目摄像机由两个相同配置的 CCD 相机组成，充当机器人的眼睛；六自由度机械臂 充当机器人的手臂，移动抓取物体；目标

  3. 所属分类：机器学习

    • 发布日期：2018-06-13
    • 文件大小：5mb
    • 提供者：tjj1057813680

  1. 计算机深度学习与智能图像诊断对胃高分化腺癌病理诊断的价值

  2. 随着计算机技术的发展, 机器学习被深入研 究并应用到各个领域, 机器学习在医学中的 应用将转换现在的医学模式, 利用机器学习 处理医学中庞大数据可提高医生诊断准确 率, 指导治疗, 评估预后. 机器学习中的深度 学习已广泛应用在病理智能图像诊断方面, 目前在有丝分裂检测, 细胞核的分割和检测, 组织分类中已取得较好成效. 在病理组织学 上, 胃高分化腺癌因其组织结构和细胞形态 异型性小, 取材标本表浅等原因容易漏诊. 现有的早期胃癌的病理智能图像诊断系统 中没有关于腺腔圆度的研究, 圆度测量可

  3. 所属分类：深度学习

    • 发布日期：2018-08-16
    • 文件大小：1mb
    • 提供者：hanangellove

  1. 深度学习经典文献打包文献

  2. 文档包含： 1. 图像物体分类与检测算法综述 黄凯奇 , 任伟强 , 谭铁牛 2. BP算法的提出《Learning Internal Representations by Error Propagation》 Hinton等 1986 3. CNN雏形《Backpropagation applied to handwritten zip code recognition》 Y.leCun等 1989 4. LetNet-5模型《Gradient-based learning applied

  3. 所属分类：深度学习

    • 发布日期：2018-08-21
    • 文件大小：27mb
    • 提供者：hust_chy

  1. 深度学习在图像检测的应用

  2. 详细讲解了深度学习算法，图像检测与识别算法，以及基于CNN的图像检测与识别算法。

  3. 所属分类：讲义

    • 发布日期：2018-11-07
    • 文件大小：5mb
    • 提供者：adala_nan

  1. 基于深度学习的多视窗SSD目标检测方法.pdf

  2. 提出了一种基于深度学习的多视窗 SSD(Single Shot multibox Detector)目标检测方法。首先 阐述了经典 SSD 方法的模型与工作原理，并根据卷积感受野的概念和模型特征层与原始图像的映射 关系，分析了各层级卷积感受野大小和特征层上默认框在原始图像上的映射区域尺寸，揭示了经典 SSD 方法在小目标检测上不足的原因。基于此，提出了一种多视窗 SSD 模型，阐述了其模型结构与工 作原理，并通过 106 张小目标图像数据集测试，评估和对比了多视窗 SSD 方法与经典 SSD 方

  3. 所属分类：深度学习

  1. 基于边缘计算与深度学习的输电设备异物检测方法_路艳巧.pdf

  2. 输电设备经常会出现各种异物，如鸟巢、塑料袋，如果不能及时发现并清理将会对输电系统造成很大的安全隐患。因此，及时对输电设备 是否有异物进行检测非常必要。针对该问题，提出了一种基于边缘计算和深度学习的异物检测方法，该方法与现有利用无人机拍摄传回云端服务器 计算方法不同，通过将检测计算下沉到边缘设备，使用Mobilenet 加上优化后SSD 的目标检测方法在边缘设备直接处理计算，将检测出异物的图像 发回云端。该方法在CPU 上的运行速度是基于VGG 的SSD 方法的5 倍左右，是Faster-R

  3. 所属分类：讲义

    • 发布日期：2020-03-03
    • 文件大小：556kb
    • 提供者：SparkQiang

  1. 深度学习与图像识别.pptx

  2. 本文档阐述深度学习技术和图像识别的关系，该文档用通俗易懂的方式解释相关术语的含义，适合内行人拿来给外行人讲解科普用

  3. 所属分类：深度学习

    • 发布日期：2020-02-28
    • 文件大小：2mb
    • 提供者：qq_33707711

  1. 计算机视觉的深度学习实践.zip完整课件

  2. 详细介绍计算机视觉整个发展技术脉络，包括图像预处理、图像特征与描述、深度学习之前的图像处理、神经网络与BP算法、深度学习基础、图像分类、图像检索、目标检测等具体应用，还包括通用场景图像分割、医疗影像分割、图像描述（图说）和图像生成等具体场景应用

  3. 所属分类：深度学习

  1. 一种基于深度学习的圈养动物行为分析方法.pdf

  2. 发明专利说明书。本发明公开了一种基于深度学习的圈养动 物行为分析方法，属于动物行为检测领域。它包 括基于深度学习的动物个体检测方法、基于有效 帧图像中动物个体边界框水平垂直方向长度比、 边界框位于进食及饮水兴趣区域内的面积与整 个边界框面积比以及相邻有效帧图像中同一动 物个体边界框质心位置变化量与临界值的关系

  3. 所属分类：深度学习

    • 发布日期：2020-06-09
    • 文件大小：1mb
    • 提供者：phytle0

  1. 深度学习目标检测方法综述

  2. 目标检测的任务是从图像中精确且高效地识别、定位出大量预定义类别的物体实例。随着深度学习的广泛应用，目标检测的精确度和效率都得到了较大提升，但基于深度学习的目标检测仍面临改进与优化主流目标检测算法的性能、提高小目标物体检测精度、实现多类别物体检测、轻量化检测模型等关键技术的挑战。

  3. 所属分类：机器学习

    • 发布日期：2020-06-13
    • 文件大小：6mb
    • 提供者：syp_net

  1. 基于卷积神经网络的火灾视频图像检测

  2. 随着计算机技术的发展，融合计算机视觉、机器学习、深度学习等技术的火灾图像处理技术得到了广泛的研究和应用。针对传统图像处理方法预处理过程复杂且误报率高等问题，提出一种基于深度卷积神经网络模型进行火灾检测的方法，其减少了复杂的预处理环节，将整个火灾识别过程整合成一个单深度神经网络，便于训练与优化。针对识别过程中类似火灾场景对火灾检测产生干扰的问题，利用火灾的运动特性，创新性地提出利用火灾视频前后帧火灾坐标位置变化来排除灯光等类似火灾场景对检测的干扰。对比了众多深度学习开源框架后，选择Caffe框架进

  3. 所属分类：其它

    • 发布日期：2020-10-15
    • 文件大小：790kb
    • 提供者：weixin_38750209

  1. ML-Projects:深度学习，计算机视觉，NLP项目的仓库-源码

  2. 欢迎来到ML-Projects 目标：构建出色的深度学习，计算机视觉，NLP应用程序/教程，同时保持代码的可读性。 图像处理 ：要模糊，添加/删除噪点，锐化图像。 ：梯度算子，高斯的拉普拉斯算子，Canny边缘检测。 ：Harris，Shi-Tomasi，FAST拐角检测。 ：使用ORB检测关键点和描述符，然后与其他图像匹配。 ：高斯，拉普拉斯金字塔和图像重建。 ：小演示。 ：查找特定对象的流。 ：查找全局运动，过程是跟踪所有像素以估计运动。 ：使BOVW功能可以训练图像分类

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：21mb
    • 提供者：weixin_42169245

  1. deep-learning-for-image-processing:用于图像处理的深度学习，包括分类和对象检测等-源码

  2. 深度学习在图像处理中的应用教程 前言 本教程是对本人研究生期间的研究内容进行整理总结，总结的同时也希望能够帮助更多的小伙伴。 本教程会以视频的方式进行分享，教学流程如下： 1）介绍网络的结构与创新点2）使用Pytorch进行网络的建造与训练3）使用Tensorflow（内部的keras模块）进行网络的建造与训练 教程目录，单击重新相应视频（后续会根据学习内容增加） 图像分类 LeNet（已​​完成） AlexNet（已​​完成） VggNet（已​​完成） GoogLeNet（已​​完成） R

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：961kb
    • 提供者：weixin_42131439

  1. 具有深度学习的医学报告预测-源码

  2. 具有深度学习的医学报告预测 深度学习在诸如计算机视觉（CV）和自然语言处理（NLP）之类的研究领域中Swift而成功地发展，已在医疗保健领域找到了重要的应用领域。 最近五年的研究表明，通过计算机视觉进行检测的能力有了明显的提高，特别是在根据医学图像进行疾病预测方面。 在医学领域，医师通过其医学报告对患者进行检查，更重要的是医师应具有良好的经验，而在AI发挥出色并表现出色的情况下，在资源有限的国家中缺乏专科医生更为重要。 该任务结合了深度学习的两个领域，首先是计算机视觉，其次是自然语言处理。

  3. 所属分类：其它

  1. ANTsPyNet：融合ANTsPy和深度学习的医学图像分析框架-源码

  2. 蚂蚁网络 深度学习架构和应用程序的集合，已移植到用于基本医学图像处理的python语言和工具中。 基于keras和tensorflow与我们的研发模拟交叉兼容性 。 文档页面 。 建筑学 图像三维分割/回归 图像分类/回归 物体检测 图像超分辨率 注册和转换 生成逆向网络 聚类 应用领域 MRI超分辨率 多模式脑提取 T1 T1 天赋 T2 F A 大胆的 肺提取 电脑断层扫描 六组织Atropos脑分割 深度闪光 Desikan-Killiany-Tourville皮质标

  3. 所属分类：其它

  1. 如何基于深度学习实现图像的智能审核

  2. 本文来自于个人博客，本文主要介绍了基于深度学习的图像分类与检测方法在图片智能审核中替代了传统机器学习方法。美团每天有百万级的图片产生量，运营人员负责相关图片的内容审核，对涉及法律风险及不符合平台规定的图片进行删除操作。由于图片数量巨大，人工审核耗时耗力且审核能力有限。另外对于不同审核人员来讲，审核标准难以统一且实时变化。所以有必要借助机器实现智能审核。图像智能审核一般是指利用图像处理与机器学习相关技术识别图像内容，进而甄别图像是否违规。图像智能审核旨在建立图片自动审核服务，由机器自动禁止不符合规

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：754kb
    • 提供者：weixin_38575456

  1. 基于深度学习的红外与可见光决策级融合跟踪

  2. 提出了一种基于深度学习的红外与可见光决策级融合跟踪方法。通过建立参数传递模型，从现有基于深度学习的检测模型中抽取指定对象的可见光检测模型，作为红外检测的预训练模型，在采集的红外图像数据集上进行微调训练，得到基于深度学习的红外检测模型。在此基础上，建立了基于深度学习的红外与可见光决策级融合跟踪模型，进行了单波段跟踪与双波段融合跟踪对比实验。结果表明，所提方法跟踪精度和成功率比单波段跟踪均有所提升，具有较好的稳健性。

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：10mb
    • 提供者：weixin_38575118

  1. 如何基于深度学习实现图像的智能审核

  2. 本文来自于个人博客，本文主要介绍了基于深度学习的图像分类与检测方法在图片智能审核中替代了传统机器学习方法。 美团每天有百万级的图片产生量，运营人员负责相关图片的内容审核，对涉及法律风险及不符合平台规定的图片进行删除操作。由于图片数量巨大，人工审核耗时耗力且审核能力有限。另外对于不同审核人员来讲，审核标准难以统一且实时变化。所以有必要借助机器实现智能审核。图像智能审核一般是指利用图像处理与机器学习相关技术识别图像内容，进而甄别图像是否违规。图像智能审核旨在建立图片自动审核服务，由机器自动禁止不符合

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：754kb
    • 提供者：weixin_38725902
« 12 3 4 5 6 7 8 »