5,512
社区成员
① 【计算机视觉 | 目标检测】arxiv 计算机视觉关于目标检测的学术速递(5月26日论文合集)(@旅途中的宽~)
[质量分:89;难度等级:高(关键词:论文);新鲜技术:99]
摘要:然而,从不规则的点云数据到密集的网格结构的转换通常会导致信息的丢失,这是由于点的离散化和聚合造成的。虽然现有的图像异常检测方法产生了令人印象深刻的结果,但它们大多是离线学习范式,需要过多的数据预收集,限制了它们在具有在线流数据的工业场景中的适应性。
② Carla自动驾驶仿真五:opencv绘制运动车辆的boudingbox(代码详解)(@自动驾驶Adriving)
[质量分:91;难度等级:初(领域:OpenCV;匹配程度:0.02);新鲜技术:99]
摘要:
③ 循环神经网络解密:探索RNN的魔法(@陌北v1)
[质量分:89;难度等级:初;新鲜技术:99]
摘要:循环神经网络(Recurrent Neural Network,RNN)是一种神经网络模型,专门用于处理序列数据和时间序列数据。与其他传统神经网络模型不同,RNN具有循环连接,使得信息可以在网络中传递并影响后续的输出。
④ 【计算机视觉二】---图像特征提取(@肖吉楠)
[质量分:91;难度等级:初(领域:OpenCV;匹配程度:0.13);新鲜技术:99]
摘要:计算机视觉图像特征提取是指从图像中提取出具有代表性的特征,以便计算机能够更好地理解和处理图像。常用的特征提取方法包括边缘检测、角点检测、纹理分析、颜色直方图等。在深度学习领域,卷积神经网络(CNN)也被广泛应用于图像特征提取任务。
⑤ 机器学习模型——回归模型(@阿牛大牛中)
[质量分:87;难度等级:初;新鲜技术:99]
摘要:
⑥ 第R2周:LSTM-火灾温度预测(@陆小吉1212)
[质量分:86;难度等级:初;新鲜技术:99]
摘要:
⑦ LDA算法实现鸢尾花数据集降维(@ZHW_AI课题组)
[质量分:84;难度等级:初;新鲜技术:99]
摘要:唐杰,男,西安工程大学电子信息学院,2022级研究生研究方向:机器视觉与人工智能电子邮件:3225033259@qq.com陈梦丹,女,西安工程大学电子信息学院,2022级硕士研究生,张宏伟人工智能课题组研究方向:机器视觉与人工智能。
⑧ 深度学习训练营之船类识别(@无你想你)
[质量分:87;难度等级:初;新鲜技术:96]
摘要:语言环境:Python3.9.12编译器:jupyter notebook深度学习环境:TensorFlow2这次主要是在结果可视化当中学习到了如何使用混淆矩阵来进行模型的评估,这次训练有点长,所以我之训练了十轮,所以结果不是很好。
⑨ 基于深度学习的高精度交警检测识别系统(PyTorch+Pyside6+YOLOv5模型)(@BestSongC)
[质量分:82;难度等级:初;新鲜技术:99]
摘要:近年来,机器学习和深度学习取得了较大的发展,深度学习方法在检测精度和速度方面与传统方法相比表现出更良好的性能。
⑩ 图像风格迁移(@cool-wangtongzhou)
[质量分:80;难度等级:初(领域:OpenCV;匹配程度:0.09);新鲜技术:94]
摘要:图像风格迁移是指,将一副内容图的内容,和一幅或多幅风格图的风格融合在一起,从而生成一些有意思的图片。我们使用和分别来实现图像风格迁移,主要用到深度学习中的卷积神经网络,即。