Ta上传的资源 (0)

实现传统的机器学习模型和神经网络在检测恶意网络流量方面已经变得微不足道，并引发了许多研究人员对这一领域的兴趣。标准的实现包括使用sklearn、tensorflow和keras等软件包中的基线模型。在本文中，我们试图推动网络检测领域的发展，并产生在这些模型的速度和性能方面有很大好处的结果。我们利用英

目前，安全问题是我们社会最关注的问题之一。从政府设施到私营公司和医疗机构，他们都必须直接解决安全问题，如：访问受限信息隔离控制或犯罪追踪。举个例子，在医院或老年病学中，为了隔离感染者（这在目前影响所有国家的COVID-19大流行中已被证明是一个非同小可的问题），或者为了找到逃亡的病人，识别病人是至关

边缘计算是下一个互联网前沿，它将利用位于用户、传感器和数据存储附近的计算资源来提供更灵敏的服务。因此，可以预见，一个大规模的、地理上分散的、资源丰富的分布式系统将出现，并成为未来互联网的骨干。然而，鉴于这些复杂系统的松散耦合性，其运行状况将随着时间的推移而发生重大变化。在这种情况下，需要快速捕捉这些

加速深度模型的训练和推理在实践中至关重要。现有的深度学习框架通常专注于优化训练速度，而较少关注针对推理的优化。实际上，模型推理在计算上与训练不同，例如训练过程中每个梯度更新步骤都会刷新参数，但推理过程中保持不变。模型推理的这些特殊性为其优化提供了新的机会。在本文中，我们提出了一个硬件感知优化框架，即

COVID-19大流行迫使世界各国政府实行封锁，以防止病毒传播。这导致了所有经济活动的停顿，因此，大多数行业的制造工厂的生产都停止了。恢复生产固然刻不容缓，但更需要确保工厂现场员工的安全。报告显示，保持社会距离，工作时戴上口罩，显然可以降低传播风险。我们决定在CCTV画面上使用计算机视觉来监控工人的

视觉是驾驶员监控系统（DMS）最丰富、最具成本效益的技术，尤其是在最近深度学习（DL）方法取得成功之后。目前，缺乏足够大和全面的数据集是DMS发展进展的瓶颈，对于自动驾驶从SAELevel-2过渡到SAELevel-3至关重要。在本文中，我们介绍了驾驶员监控数据集（DMD），这是一个广泛的数据集，包

在过去的几十年里，由机器解决的人类任务集得到了极大的扩展。从简单的图像分类问题，研究人员现在转向解决更复杂和重要的问题，比如，自动驾驶和语言翻译。语言翻译的案例包括手语翻译这一具有挑战性的领域，它同时包含了图像和语言处理。我们通过提出一个轻量级的ASL手势识别网络，在这个方向上迈出了一步，其性能足以

在这项工作中，我们提出了一种新的高效的人类动作识别方法，称为视频变换器网络（VTN）。它利用了计算机视觉和自然语言处理的最新进展，并将其应用于视频理解。所提出的方法允许我们创建轻量级的CNN模型，仅使用RGB单摄像头和通用CPU就可以实现高精度和实时速度。此外，我们解释了如何通过从多个具有不同模式的

一个稳健高效的同步定位与映射（SLAM）系统对于机器人的自主性至关重要。对于视觉SLAM算法来说，虽然理论框架已经在大多数方面得到了很好的建立，但在大多数情况下，特征提取和关联仍然是经验性设计，在复杂的环境中可能是脆弱的。本文表明，利用深度卷积神经网络(CNN)进行特征提取可以无缝地融入到现代SLA

利用树莓派、Intel二代神经计算棒、Arduinomega2560设计了一种基于科大讯飞语音识别API和ROS机器人操作系统的智能家居机器人.利用OpenVINO软件平台对神经网络进行优化和视觉推理,使机器人更加智能化.本文主要介绍了智能家居机器人系统的整体设计、硬件组成、软件设计和算法实现等.经