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