暂无评论
基于深度学习的番茄病害检测系统
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
提出了一种基于深度学习的车位智能检测方法。利用TensorFlow深度学习平台对车辆目标识别模型进行了训练, 提取了有效车辆图像的优化间隔, 给出了车辆分布的精准识别结果, 实现了对车辆分布识别结果的
基于深度学习的重叠人脸检测
基于tensorflow框架的工业缺陷检测，可直接下载使用，但是需要安装一些依赖（DEyemaster#DEye(KeepanEyeonDefectsInspection)）
深度学习
内部包含R-CNN、FastRCNN、FasterRCNN、SPP、SSD、SegNet、YOLOv1~v3、FCN共十篇目标检测的论文原文。
度神经网络可以有效地挖掘原始数据中的潜在特征而无需大量数据预处理和先验经验.神经网络在计算机视觉语音识别和自然语言处理方面取得了一系列的成功当然成功的原因是多方面的其中的一个因素就是神经网络具有从诸如
行人检测技术在智能交通系统,智能安防监控等领域表现出了极高的应用价值,已经成为计算机视觉领域的重要研究方向之一。
基于一种改进的跨层级特征融合的循环全卷积神经网络, 提出了一种结合深度学习的图像显著目标检测算法。通过改进的深度卷积网络模型对输入图像进行特征提取, 利用跨层级联合框架进行特征融合, 生成了高层语义特
暂无评论