本课程讲解人工神经网络的基本知识，而后详细讲解深度学习的经典模型卷积神经网络 CNN，后基于CNN 讲解一个简单的人脸识别系统。知识点包括：神经元、感知机、BP 算法、梯度优化、卷积运算、池化运算、全连接层、激活函数、深度学习python 实现等。
2021-11-21 19:42:35
5.01MB
1
为了更好地了解人工智能最新发展状况，从多个方面对人工智能进行分析和介绍。首先，简要介绍人工智能的研究内容，大致了解人工智能的概念；其次，概括人工智能的知识体系，介绍当下人工智能的热门技术领域，如计算机视觉、自然语言处理等；然后，分析了浅层学习和深层学习中的神经网络的发展；最后，探讨了人工智能对环境的影响，介绍我国人工智能的发展趋势，并进一步说明发展人工智能对我国科技发展的远大意义。
2021-11-21 15:06:32
446KB
针对当前车牌识别系统在存在复杂环境以及车牌倾斜的情况下无法精确定位的问题,提出一种基于卷积神经网络的端到端车牌精确定位算法,从而精确计算车牌的坐标。通过Faster R-CNN对输入车辆图片中的信息进行处理,提取候选区域的特征映射,利用特征映射计算车牌的精确坐标。实验结果表明本文算法在OpenITS数据库的功能评测数据库中的平均识别准确率为99%,在性能评测数据库中的平均识别准确率为85%。
2021-11-20 12:13:12
6.19MB
1
中国是传统的农业大国, 农业不仅是国民经济建设与发展的基础, 也是社会正常稳定有序运行的保障. 然而每年由于农作物病虫害造成的损失巨大, 且传统的农作物病虫害识别方法效果并不理想. 同时近年深度学习飞速发展, 在图像分类与识别的方面取得了巨大进展. 因此本文通过基于深度学习的方法构建农作物病虫害图像识别模型, 并针对样本不平衡问题改进卷积网络损失函数. 实验证明该模型可以对农作物病虫害进行有效识别并且对损失函数进行优化后模型的准确率也进一步得到了提升.
2021-11-18 16:37:36
1.42MB
1
基于深层卷积神经网络的特征学习能力, 提出了一种基于全卷积神经网络的焊缝特征提取方法。该方法利用全卷积神经网络将包含焊缝特征信息的像素预测出来, 通过融合低层与高层特征信息来补充焊缝边缘的特征信息。研究结果表明：所提方法能在强烈弧光和烟尘干扰下准确地提取出焊缝位置, 具有抗干扰能力强、识别准确的优点。
2021-11-18 14:41:38
7.01MB
1
为了进一步增强视频图像超分辨率重建的效果，研究利用卷积神经网络的特性进行视频图像的空间分辨率重建，提出了一种基于卷积神经网络的视频图像重建模型。采取预训练的策略用于重建模型参数的初始化，同时在多帧视频图像的空间和时间维度上进行训练，提取描述主要运动信息的特征进行学习，充分利用视频帧间图像的信息互补进行中间帧的重建。针对帧间图像的运动模糊，采用自适应运动补偿加以处理，对通道进行优化输出得到高分辨率的重建图像。实验表明，重建视频图像在平均客观评价指标上均有较大提升（PSNR 0.4 dB/SSIM 0.02），并且有效减少了图像在主观视觉效果上的边缘模糊现象。与其他传统算法相比，在图像评价的客观指标和主观视觉效果上均有明显的提升，为视频图像的超分辨率重建提供了一种基于卷积神经网络的新颖架构，也为进一步探索基于深度学习的视频图像超分辨率重建方法提供了思路。
2021-11-17 21:11:12
1.31MB
1