為了提高人臉識別檢測精度，應用卷積神經網絡進行分析。在建立AlexNet網絡結構的基礎上，將Dropout技術引進全連接層中，給出了具體的卷積神經網絡結構參數。研究結果表明：本文算法表現出較高的召回率，人臉簽到系統的基礎需求得到滿足。側臉及戴頭盔遮擋照片觀察對比得出，檢測人臉圖片的準確度及清晰度均相對較高，表明對于部分遮擋人臉或側臉采用本文算法展示的魯棒性較佳。該研究有助于提高在遮擋情況下人臉識別能力，對圖像處理優化起到一定的理論支撐。
關鍵字：
202308 人臉識別 卷積神經網絡 網絡結構 檢測精度
水面垃圾會造成水體污染，它不僅破壞了水域生態系統平衡，并且對人類社會的生產和生活也產生了巨大危害，還會影響到船只的航行安全。目前，市面上主要的水面垃圾清理船體型龐大，很難應用在一些小型水域。并且多采用人工搜尋和清理的方式，但是人工搜尋效率低，人力成本高。針對該問題，設計了一款基于機器視覺的水面垃圾尋航系統，該裝置基于YOLO-V2卷積神經網絡模型進行目標檢測，尋找水面垃圾等漂浮物，控制船只靠近目標物進行拾取，通過GPS進行導航，使用蟻群算法和完全遍歷算法進行路徑規劃，同時用ESP32-cam和小熊派完成云
關鍵字：
202307 水面垃圾 卷積神經網絡 優化算法 PID 路徑規劃
摘要本系列文章由三部分組成，主要探討卷積神經網絡(CNN)的特性和應用。CNN主要用于模式識別和對象分類。作為系列文章的第三部分，本文重點解釋如何使用硬件轉換卷積神經網絡(CNN)，并特別介紹使用帶CNN硬件加速器的人工智能(AI)微控制器在物聯網(IoT)邊緣實現人工智能應用所帶來的好處。系列文章的前兩篇文章為《卷積神經網絡簡介：什么是機器學習？——第一部分》和《訓練卷積神經網絡：什么是機器學習？——第二部分》。 簡介AI應用通常需要消耗大量能源，并以服務器農場或昂貴的現場可編程門陣列(FPG
關鍵字：
卷積神經網絡 硬件轉換 機器學習 ADI
隨著人工智能(AI)技術的快速發展，AI可以越來越多地支持以前無法實現或者難以實現的應用。本系列文章基于此解釋了卷積神經網絡(CNN)及其對人工智能和機器學習的意義。CNN是一種能夠從復雜數據中提取特征的強大工具，例如識別音頻信號或圖像信號中的復雜模式就是其應用之一。本文討論了CNN相對于經典線性規劃的優勢，后續文章《訓練卷積神經網絡：什么是機器學習？——第二部分》將討論如何訓練CNN模型，系列文章的第三部分將討論一個特定用例，并使用專門的AI微控制器對模型進行測試。什么是卷積神經網絡？神經網絡是一種由神
關鍵字：
ADI 卷積神經網絡 機器學習
短期電力負荷精準預測對發電容量與輸電方式的合理調度、確保電力系統安全、穩定運行起著至關重要的作用。本文針對負荷數據基數大、難提取、負荷預測影響因素多等問題，運用Mysql數據庫和Python爬蟲技術構建了短期負荷曲線預測基礎數據平臺，提高了數據的存取效率；針對電力負荷的隨機波動性，運用Pandas、關聯分析算法完成了缺失值處理和影響因素與用電負荷的相關性分析；為提高預測精度，探索使用了融合卷積神經網絡、長短期記憶網格和注意力機制的多元混合神經網絡模型。
關鍵字：
202302 深度學習 短期負荷預測 卷積神經網絡 長短期記憶網格 Flask
提出了一種基于機器視覺的帶鋼焊縫檢測與定位技術，在原CenterNet算法的基礎上增加旋轉角度的回歸實現了旋轉目標檢測，并根據網絡的輸入參數制作合適的數據集。為了進一步提高模型的精度和魯棒性，分別引入了可變形卷積和金字塔分割注意力模塊，多組實驗結果對比表明，該方法能在精確率、召回率、F值和檢測速度上得到提升，滿足實際檢測的需求。
關鍵字：
卷積神經網絡 實例標準化 特征提取 算法 202212
基于意外跌倒是造成老年人受傷、失能及死亡的主要原因，對近年來關于深度學習的跌倒檢測研究進行了介紹。根據跌倒檢測工作流程，從數據采集、數據處理、模型訓練及狀態識別幾個方面進行了詳細介紹，并對已有的基于深度學習的跌倒檢測方法進行分析與比較，為將來的應用研究提供參考，并對將來的發展方向提出一些思考。
關鍵字：
深度學習 跌倒檢測 卷積神經網絡 長短期記憶網絡 202212
摘要：為了提高安全性和便捷性，尤其是在疫情背景下，應避免使用者因接觸門把手而造成交疾病的叉污
染。本文設計了一種非接觸式的虛擬門把手，可用來代替傳統門把手在現實生活中的作用。該虛擬門把手采用
樹莓派作為主控芯片，通過攝像頭采集實時畫面和用戶手勢，門鎖模塊用于實現開鎖和反鎖的功能；該虛擬門
把手還具有人臉識別功能，保障用戶的安全和隱私。測試結果表明，該虛擬門把手能夠實現人臉識別，并在用
戶做出指定手勢時實現開鎖或反鎖的功能，達到了預期的設計目標。關鍵詞：人臉識別；手勢識別；樹莓派；卷積神經網絡項目支
關鍵字：
202207 人臉識別 手勢識別 樹莓派 卷積神經網絡
在大型電網和小型微電網中，風電功率短期預測對電力系統的調度運行有著重要意義。為了提高短期風電功率預測精度，文章提出一種卷積神經網絡(Convolutional Neural Network，CNN)與灰狼優化算法(Grey Wolf Optimizer，GWO)結合的短期風電預測模型。首先，通過數據的離散化，將二維風速轉換成三維風速，變為符合CNN模型的輸入量，再結合GWO對CNN模型的參數進行優化，最后通過BP對整個網絡進行微調后引入預測偏差二次修正，最后建立了基于GWO-BP-CNN-ec的風電功率預
關鍵字：
風電功率短期預測 卷積神經網絡 灰狼優化 偏差修正
接上期http://www.104case.com/article/202009/418351.htm賽靈思 DSP 片上的 INT4 優化使用 DSP 硬件資源可實現乘法和累加 (MAC) 占用硬件資源較少。經優化后，DSP 能夠在 16nm 或 28nm 器件上處理盡可能多的 MAC 運算。以 16nm 為例，賽靈思可編程器件中 UltraScale? 架構的 DSP48E2 片就屬于專用片[參考資料 11]。DSP48E2 片由一個 27x18 二進制補碼乘法器和一個 48 位累加器構成。如圖 3
關鍵字：
賽靈思 INT4 卷積神經網絡
?對于 AI 推斷，在提供與浮點相媲美的精度的同時，INT8 的性能優于浮點。然而在資源有限的前提下，INT8 卻不能滿足性能要求，INT4 優化則是解決之道。通過 INT4 優化，與現有的 INT8 解決方案相比，賽靈思在實際硬件上可實現高達 77% 的性能提升。概要賽靈思在其硬件平臺上提供 INT8 AI 推斷加速器 — 深度學習處理器單元 (XDPU)。然而，在某些資源受限，要求高性能、低時延的場景（例如對資源、功耗敏感的邊緣側場景和低時延 ADAS 場景）中，為了實現比 INT8 更低的
關鍵字：
賽靈思 INT4 卷積神經網絡
王旭 （貴州大學大數據與信息工程學院，貴州省量子信息和大數據應用技術研究院，貴州，貴陽 550025） 摘要：近年來，隨著大數據挖掘與分析等方法的逐漸成熟，人工智能技術已經在醫療領域廣泛應用。本文詳細討論了在醫療數據采集端與人工智能應用端隱私保護所面臨的各項問題，從技術的角度、法律的角度以及倫理道德的角度分別分析了醫療隱私安全，并最終提出了四條建議，為醫療行業隱私保護的理論和實踐發展提供了可行路徑。 關鍵詞：醫療大數據；深度學習；卷積神經網絡；人工智能；隱私保護 在醫療行業中，醫院信息系統基本
關鍵字：
201906 醫療大數據 深度學習 卷積神經網絡 人工智能 隱私保護
基于卷積神經網絡的深度學習算法，在2012年以來逐漸成為醫學變革的新動能。基于CT、MRI、X光、超聲、熱紅外、細胞涂片、心電圖等醫學圖像的智能輔助診療系統，在臨床使用中已經被證明了有效性。
前不久，筆者在與道彤投資合伙人鄒國文的一次閑聊中，鄒先生透露，國內致力于開發智能輔助診療系統的企業，數量超過100家。如此之多的創業者或企業家脫身于此，一方面證明了其對醫學進步的貢獻之大，另一方面也預示著其潛在的、巨大的商業價值空間。
投資風口背后的虛虛實實，2018年市場基本清晰了。有些拿不到融資、
關鍵字：
人工智能 卷積神經網絡
先是無人駕駛熱透半邊天，繼而下圍棋又打遍天下無敵手……逆天的人工智能，最近甚至把手伸進醫院——這不，廣州市婦女兒童醫療中心剛剛對外宣布，其基于深度學習開發出一個能診斷眼病和肺炎兩大類疾病的人工智能系統，這項研究成果以封面文章登上2月23日的世界頂級期刊《Cell》(細胞)。
人工智能診斷疾病靠譜嗎?南方南君告訴你，絕對驚人!比對實驗發現，該系統在診斷眼疾時的準確性達到96。6%;在區分肺炎和健康狀態時，準確性達到92
關鍵字：
人工智能 卷積神經網絡
0. 簡介 在過去，我寫的主要都是“傳統類”的機器學習文章，如樸素貝葉斯分類、邏輯回歸和Perceptron算法。在過去的一年中，我一直在研究深度學習技術，因此，我想和大家分享一下如何使用Tensorflow從頭開始構建和訓練卷積神經網絡。這樣，我們以后就可以將這個知識作為一個構建塊來創造有趣的深度學習應用程序了。 為此，你需要安裝Tensorflow(請參閱安裝說明)，你還應該對Python編程和卷積神經網絡背后的理論有一個基本的了解。安裝完Tensorflow之后，你可以在不依賴GP
關鍵字：
Tensorflow 卷積神經網絡
卷積神經網絡介紹
您好，目前還沒有人創建詞條卷積神經網絡!
歡迎您創建該詞條，闡述對卷積神經網絡的理解，并與今后在此搜索卷積神經網絡的朋友們分享。
創建詞條
關于我們 -
廣告服務 -
企業會員服務 -
網站地圖 -
聯系我們 -
征稿 -
友情鏈接 -
手機EEPW
Copyright ?2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《電子產品世界》雜志社 版權所有 北京東曉國際技術信息咨詢有限公司
京ICP備12027778號-2 北京市公安局備案：1101082052 京公網安備11010802012473
京ICP備12027778號-2 北京市公安局備案：1101082052 京公網安備11010802012473