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. vidi软件人工智能深度学习缺陷检测软件视频应用

  2. ViDi 红色：分割段和缺陷探检测 ViDi 红色工具用于探检测异常和美观缺陷。无论是装饰表面上的划痕挂擦、不完整或不正确的组件，还是织品上的纺织问题，红色工具只需学习物体的正常外观，包括明显但可容受许的差异，即可识别所有这些，甚至更多问题。ViDi 红色工具也用于分割具体区域，例如缺陷或其他需要关注的区域。无论是医疗用布上的特定异物，还是织品上的切割区，红色工具只需学习目标区域的各种外观即可识别所有这些区域。 ViDi 绿色：对象和场景分类 ViDi 绿色工具用于对分类一个物体或完整场景进行

  3. 所属分类：深度学习

    • 发布日期：2017-11-10
    • 文件大小：96mb
    • 提供者：crcsafe

  1. vidi人工智能深度学习缺陷检测软件视频外观划痕

  2. ViDi 红色：分割段和缺陷探检测 ViDi 红色工具用于探检测异常和美观缺陷。无论是装饰表面上的划痕挂擦、不完整或不正确的组件，还是织品上的纺织问题，红色工具只需学习物体的正常外观，包括明显但可容受许的差异，即可识别所有这些，甚至更多问题。ViDi 红色工具也用于分割具体区域，例如缺陷或其他需要关注的区域。无论是医疗用布上的特定异物，还是织品上的切割区，红色工具只需学习目标区域的各种外观即可识别所有这些区域。技术交流13642395590

  3. 所属分类：深度学习

    • 发布日期：2017-11-10
    • 文件大小：536kb
    • 提供者：crcsafe

  1. vidi人工智能深度学习缺陷检测软件视频手套缺陷检测

  2. ViDi 红色：分割段和缺陷探检测 ViDi 红色工具用于探检测异常和美观缺陷。无论是装饰表面上的划痕挂擦、不完整或不正确的组件，还是织品上的纺织问题，红色工具只需学习物体的正常外观，包括明显但可容受许的差异，即可识别所有这些，甚至更多问题。ViDi 红色工具也用于分割具体区域，例如缺陷或其他需要关注的区域。无论是医疗用布上的特定异物，还是织品上的切割区，红色工具只需学习目标区域的各种外观即可识别所有这些区域。技术交流13642395590

  3. 所属分类：深度学习

    • 发布日期：2017-11-10
    • 文件大小：661kb
    • 提供者：crcsafe

  1. vidi人工智能深度学习缺陷检测软件视频金属划痕应用

  2. ViDi 红色：分割段和缺陷探检测 ViDi 红色工具用于探检测异常和美观缺陷。无论是装饰表面上的划痕挂擦、不完整或不正确的组件，还是织品上的纺织问题，红色工具只需学习物体的正常外观，包括明显但可容受许的差异，即可识别所有这些，甚至更多问题。ViDi 红色工具也用于分割具体区域，例如缺陷或其他需要关注的区域。无论是医疗用布上的特定异物，还是织品上的切割区，红色工具只需学习目标区域的各种外观即可识别所有这些区域。

  3. 所属分类：深度学习

    • 发布日期：2017-11-10
    • 文件大小：457kb
    • 提供者：crcsafe

  1. 视频动作行为分析

  2. 为了解决当前视频监控系统对异常行为检测精度与自我学习能力较弱的问题，提出了基于光流场分析与深度学习的视频监控方法。首先，引入光流场检测算法，利用图像序列中目标像素的强度数据时域变化来确定运动行为是否异常，从而建立视频目标行为识别算子，获取异常行为光流特征; 并利用卷积神经网络对光流特征进行逐层训练，设计自我学习机制，增强系统对异常行为的检出率; 最后，基于．NET 平台与 Accord 开源库，对本文监控系统进行实现。

  3. 所属分类：深度学习

    • 发布日期：2018-01-25
    • 文件大小：2mb
    • 提供者：qq_23282505

  1. 基于深度学习的暴力检测及人脸识别方法研究

  2. 随着“平安城市”建设的不断推进，公共安全逐渐成为人们关注的热点间 题，税频监控技术也随之得到了越来越广泛的应用，传统的视频监控系统主要提供采集存储功能，这远远无法满足人们对其智能化的需求。要实现智能化的视频监控系统，以下几个关键问题亟需解决：（1）如何快速发现监控视频中的异常行为，及时给出警报，并最大限度地减少误报和漏报现象；（2）如何在多种不利因素下（如羊样本，低分辨率）对可疑目标进行准确的识别分析：（3）在海量数据的情况下，如何确保视频分析系统的实时性及准确性。 近年来，深度学习在机器视觉、

  3. 所属分类：硬件开发

    • 发布日期：2018-12-28
    • 文件大小：10mb
    • 提供者：weixin_44102991

  1. 基于深度学习的视频异常检测.caj

  2. 异常检测作为智能视频监控的研究难点和关键技术，其关键问题就是如何获得更好的特征表示，而深度学习相较于传统方法的优势在于可以自动地从海量数据中学习出有用的特征数据，为异常检测问题提供了一个很好的解决方法。

  3. 所属分类：深度学习

  1. 基于深度时空卷积神经网络的人群异常行为检测和定位

  2. 针对公共场合人群异常行为检测准确率不高和训练样本缺乏的问题，提出一种基于深度时空卷积神经网络 的人群异常行为检测和定位的方法。首先针对监控视频中人群行为的特点，综合利用静态图像的空间特征和前后帧 的时间特征，将二维卷积扩展到三维空间，设计面向人群异常行为检测和定位的深度时空卷积神经网络；为了定位 人群异常行为，将视频分成若干子区域，获取视频的子区域时空数据样本，然后将数据样本输入设计的深度时空卷 积神经网络进行训练和分类，实现人群异常行为的检测与定位。同时，为了解决深度时空卷积神经网络训练时样本

  3. 所属分类：算法与数据结构

    • 发布日期：2019-04-06
    • 文件大小：745kb
    • 提供者：weixin_44684342

  1. 《深度学习视频异常检测》2020综述论文

  2. 视频中的异常检测是一个研究了十多年的问题。这一领域因其广泛的适用性而引起了研究者的兴趣。正因为如此，多年来出现了一系列广泛的方法，这些方法从基于统计的方法到基于机器学习的方法。

  3. 所属分类：机器学习

    • 发布日期：2020-10-03
    • 文件大小：6mb
    • 提供者：syp_net

  1. 人工智能 专利 top900.ZIP

  2. top900的人工智能专利 打包 基于区块链的数据处理方法、装置及设备 一种数据访问的方法、装置、服务器、系统及存储介质 基于多切片深度神经网络的语音立案方法和装置 基于半监督学习的视频异常检测方法和装置 一种强动态视频的行为识别方法 人脸活体检测方法、装置、设备及介质 基于最优区间估计的行人导航零速区间检测方法和装置 一种乳腺钼靶AI辅助筛查方法 一种信息处理方法、装置及计算机可读存储介质 容器瑕疵检测方法和装置 机器学习模型的分布式训练方法、装置以及计算机设备 一种标签生成方法、设备及计算机

  3. 所属分类：电信

    • 发布日期：2020-10-10
    • 文件大小：983mb
    • 提供者：weixin_44035342

  1. 视频监控系统异常目标检测与定位综述_胡正平.pdf

  2. ，随着视频监控系统的大量应用，人工的异常检测方法已难以适应视频数据的急剧增长，而3D特征描述、深度学习等最新技术不仅推动了计算机视觉领域的发展，也使得大规模的视频数据分析成为可能。目前基于视频监控系统的异常检测方法大致概括为两个方向: 1) 基于视频帧进行二维视觉特征提取并学习帧间信息，从而对视频目标进行时空表述。2) 针对含有运动信息的时空兴趣块直接进行3D 时空特征学习，并通过模式分类检测出异常及其所在位置。本文在对目前视频异常检测技术进行全面分析和总结的基础之上，对视频异常描述和视频异常分

  3. 所属分类：互联网

    • 发布日期：2020-10-23
    • 文件大小：2mb
    • 提供者：heroshine

  1. 监视-异常检测-美联储学习-源码

  2. 通过半监督联合主动学习在监视中进行实词异常检测 该项目展示了用于监控视频中异常检测的半监督深度学习模型的部署和研究，该视频部署在同步联合学习体系结构上，并在许多节点上进行了培训。 联合学习是一种用于从多个数据集中进行分布式学习的机器学习范例，可避免收集超出位置的数据共享。 联合学习在多个训练节点之间建立了一个协作架构，该节点对它们的本地数据执行本地拟合并将本地模型聚合为一个全局模型，该全局模型收集各个节点涵盖的所有知识。 由于从未共享本地数据，因此这有助于保持隐私，并且数据固有的法律约束。

  3. 所属分类：其它

    • 发布日期：2021-02-11
    • 文件大小：102kb
    • 提供者：weixin_42097369

  1. 视频异常检测：使用深度学习对视频进行异常检测-源码

  2. 视频异常检测 目的 具有多种算法的视频异常检测系统，并提供实时支持。 目前实施的方法 对于每种方法，都应该有一个jupyter笔记本，评估支持（进行样本测试并输出是否异常）和实时支持。 方法 笔记本状态 评估支持 实时支持 去做 做完了 去做 做完了 去做 去做 构型 通过复制Config.py.example创建一个新的Config.py，其中包含以下参数。 DATASET_PATH ：USCDped1 / Train目录的路径。 SINGLE_TEST_PATH ：要运行的测试样本。

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：20mb
    • 提供者：weixin_42134144

  1. 基于深度卷积网络的电熔镁炉欠烧工况在线识别

  2. 欠烧是电熔镁炉熔炼过程中由于原料杂质不均匀导致炉壁局部过热的异常工况,若不及时发现和处理,可能导致炉体烧穿.目前,欠烧工况主要依靠有经验的巡检工人在电熔镁生产现场“看火”,劳动强度大且危险性高,容易漏检、误检.鉴于此,提出一种基于深度卷积网络的可见光RGB图像与红外热像相结合的电熔镁炉欠烧工况感知技术,并基于此开发原型系统.采用工业相机和红外热像仪获取电熔镁生产现场过程图像,利用深度学习技术并结合现场工人经验建立对欠烧工况视频图像的检测和识别模型,通过实时的图像分析,实现对欠烧工况的在线识别.将

  3. 所属分类：其它