深度学习综述

本文综述了深度学习在物体检测问题上的研究进展。介绍了物体检测的背景和重要性，概述了传统物体检测方法的局限性，并详细介绍了深度学习在物体检测中的应用。重点讨论了基于深度学习的目标检测算法，如Faster

植物病害深度学习检测识别文献综述，涵盖了30余篇相关文献的汇总总结。这些文献的内容广泛而深入，覆盖了植物病害的多个方面。从叶片的病斑识别到根部的疾病检测，深度学习技术在植物保健领域发挥着越来越重要的作

自动驾驶一直是人工智能应用中最活跃的领域。几乎在同一时间，深度学习的几位先驱取得了突破，其中三位(也被称为深度学习之父)Hinton、Bengio和LeCun获得了2019年ACM图灵奖。这是一项关于

深度神经网络在拥有大量数据集和足够的计算资源的情况下能够取得巨大的成功。然而,他们快速学习新概念的能力相当有限。元学习是解决这一问题的一种方法,通过使网络学会如何学习。

基于深度学习的时间序列算法综述,包含LSTM、RNN、以及其它变体与应用

一个综合的人工智能系统应该不止能“感知”环境,还要能“推断”关系及其不确定性。深度学习在各类感知的任务中表现很不错,如图像识别,语音识别。然而概率图模型更适用于inference的工作。

医学影像分割是计算机视觉在医学影像处理中的一个重要应用领域,其目标是从医学影像中分割出目标区域,为后续的疾病诊断和治疗提供有效的帮助。

近年来,深度传感器和三维激光扫描仪的普及推动了三维点云处理方法的快速发展。点云语义分割作为理解三维场景的关键步骤,受到了研究者的广泛关注。随着深度学习的迅速发展并广泛应用到三维语义分割领域,点云语义分

随着“人工智能”时代的到来,“深度学习”一词也逐渐走进大众的视野,一些基于深度学习神经网络的图像处理方法也随之产生,图像风格化作为其中一个重要的分支也获得了广泛的关注。目前,研究学者提出了很多基于深度

深度学习在视觉SLAM研究中的应用综述,敬学良,王晨升,目前采用视觉传感器的地图同步定位与地图构建(SLAM)逐渐成为SLAM研究中的重点方向,首先介绍了视觉SLAM的基本结构,并分析了传统中