基于深度学习的视频分析系统

许多应用程序,例如计算机辅助设计和游戏渲染,都需要在复杂的光照环境和不同的视觉条件下重现逼真的材质外观。 三维对象或场景的真实性在很大程度上取决于纹理的表示和渲染,其中双向纹理函数(BTF)是使用最广

针对非相干光照明下的非视域成像问题,提出一种基于深度学习的解决方法。结合计算机视觉领域中经典的语义分割及残差模型,构造一种URNet网络结构,并改进了经典瓶颈层结构。实验结果表明,改进的网络可以恢复更

首先用现有的人脸检测算法,直接对图像进行人脸检测,训练好的人脸分类权值文件last_one.h5已放到log文件夹下,然后将检测的每一个人脸,单独切割出来,进行是否戴口罩的二分类。先对图像中的人脸进行

基于深度学习的SLAM综述.pdf

本文来自于csdn,本文主要介绍了用户增长组基于TensorflowServing在深度学习线上预估的探索,对性能问题的定位、分析、解决. 随着深度学习在图像、语言、广告点击率预估等各个领域不断发展,

针对监控场景的背景杂乱及行人被遮挡等问题,提出一种基于背景抑制的行人属性识别方法,该方法可以减小背景对行人属性识别的影响。首先,改进卷积神经网络以生成三个分支,将分支分别用于行人图像、人体区域、背景区

提出了一种用于图像分类的卷积神经网络,将不同池化方式对图像分类的影响进行了分析对比,采用重叠池化和dropout技术,较好地解决过拟合问题。与传统神经网络相比,该方法在CIFAR-10数据集上获得了较

Pytorch:基于像素梯度的深度学习(HOG + CNN) 概述 一种新颖的基于像素梯度的CNN。 为CNN的输入制作“像素渐变数组” 。 与基于灰度图像的普通CNN相比,精度更高。 Pytorch

人脸识别依赖于深度学习，识别率高达99.15%，值得学习。

深度学习的行人检测。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。