暂无评论
Application of Deep Learning in Face Analysis and Recognition
传统人脸检测算法往往不能自动地从原始图像中提取有用的检测特征,而卷积神经网络可以轻易地提取高维度的特征信息,广泛用于图像处理领域。针对上述缺点,采用简单高效的深度学习Caffe框架并通过AlexNet
深度学习是机器学习领域的一个新兴分支，其核心思想是利用卷积神经网络等模型来模拟人类智能的学习和分析过程。通过深度学习，可以更好地理解和表达数据的内在规律，尤其对文字、图像和声音等多媒体数据具有较强的解
传统的人脸识别方法多采用浅层的结构提取人脸图像特征。这类方法提取人脸图像内涵特征的能力有限，其识别效果也难令人满意。随着认知科学和脑科学的发展，为深层网络技术提供了新的视角和思路。人们模拟人脑分层特征
基于深度学习的人脸识别pdf
基于CUDA技术的卷积神经网络识别算法
基于改进深层网络的人脸识别算法
在caffe框架中,使用yolo算法实现多目标检测,一共能够检测20类目标
为了应对大量图像的分类问题，提出一种基于深度卷积神经网络和CUDA-cuDNN并行运算的快速图像分类方法。该方法利用深度卷积神经网络自动学习特征的优势来解决手工设计特征普适性差等问题，同时结合基于CU
随着深度相机的应用,三维场景的重建越来越简单、快速。从单视角的深度场景图像中检索 出物体还是比较困难,特别是物体的姿态估计。提出了一种基于卷积神经网络的深度图像姿态估计 算法。 该算法采用了回归估计来
暂无评论