针对传统图像渲染方法费时、复杂，无法满足现代设计应用场景的问题，利用人工智能技术中的卷积神经网络进行了图像自动渲染的研究。图像自动渲染算法主要分为两个部分：素材图像的特征提取与虚拟视图的渲染。通过卷积神经网络识别场景中图像的位移、缩放与其他形式扭曲不变性的二维图形轮廓，进而构建特征表征网络，用以提取图像特征并使之融合。同时，采用基于计算逻辑的图像校正算法来对齐不同视角所生成的虚拟视图，最终设计两层编码器-三层解码器的虚拟图像自动渲染模型。测试结果表明，所提出的图像自动渲染方法具有相对稳定的峰值噪声比与结构相识性，可以有效识别图像的特征并进行虚拟视图的渲染。
2022-01-01 15:55:45
1.66MB
1
针对健康数据种类日益增多，而统计学算法不能实现所有数据种类的特征提取与健康状态评估的问题，文中提出了基于卷积与BP神经网络的健康数据分析算法来评估用户的健康状态。对健康数据类型进行分析，总结为数字、文本、图像3种模态的数据类型，并分别针对这3种数据类型进行基于卷积神经网络的数据特征表征模型的构建。经过特征融合，利用多元高斯分布定义健康状态的划分，并利用BP神经网络构建健康数据分析算法。通过在样本数据上的测试结果表明，与朴素贝利斯模型对比，文中所述健康数据分析算法具有较高的准确率，使用多模态数据较单一数据类型的健康评估结果更优，其准确率约为84.2 %。
2021-12-31 22:11:30
1.56MB
1
DogProject:使用Pytorch和卷积神经网络识别狗的品种的项目
2021-12-31 10:02:19
1.42MB
1
深度学习是一类新兴的多层神经网络学习算法, 因其缓解了传统训练算法的局部最小性, 引起机器学习领域的广泛关注。首先论述了深度学习兴起渊源, 分析了算法的优越性, 并介绍了主流学习算法及应用现状, 最后总结了当前存在的问题及发展方向。
2021-12-30 18:52:09
986KB
1
面部表情识别
一个用于识别实时网络摄像头图像上面部表情的卷积神经网络。
安装
该实现已通过Python 3.6.3进行了测试。 您可以根据需要使用conda或virtualenv创建全新的虚拟环境。 TensorFlow 正式conda ，因此pip用于软件包管理。 所有依赖项都可以在requirements.txt文件中找到。
激活Python 3环境后，您可以使用以下命令安装要求
pip install -r path/to/requirements.txt
实时预测
如果您的计算机装有网络摄像头，则可以即时计算预测。 脱下眼镜和帽子，开始进行实时预测
python webcam.py
训练
如果您想自己训练Tensorflow CNN，则需要从kaggle和获取。 对于CK +，您可以使用ckplus_to_csv.py脚本自动检测所有面Kong，解析灰度强度并将所有CK图像收集到
2021-12-30 14:38:45
225.29MB
1
深度学习是当前人工智能领域广泛使用的一种机器学习方法.深度学习对数据的高度依赖性使得数据需要处理的维度剧增，极大地影响了计算效率和数据分类性能.本文以数据降维为研究目标，对深度学习中的各种数据降维方法进行分析.在此基础上，以Caltech 101图像数据集为实验对象，采用VGG-16深度卷积神经网络进行图像的特征提取，以PCA主成分分析方法为例来实现高维图像特征数据的降维处理.在实验阶段，采用欧氏距离作为相似性度量来检验经过降维处理后的精度指标.实验证明：当提取VGG-16神经网络fc3层的4096维特征后，使用PCA法将数据维度降至64维，依然能够保持较高的特征信息.
2021-12-30 14:05:02
894KB
1