计算机视觉

首页 标签 计算机视觉
# 计算机视觉 #
关注
26058内容
卷积神经网络应用:基于Tensorflow的CNN/CRF图像分割技术
本篇文章验证了卷积神经网络应用于图像分割领域时存在的一个问题——粗糙的分割结果。根据像素间交叉熵损失的定义,我们在简化的场景下进行了模型的训练,并使用后向传播来更新权重。我们使用条件随机场(CRFs)来解决分割结果粗糙的问题,并取得了很好的效果。本文中的代码注释详细、功能完善,也便于读者阅读。
解读Keras在ImageNet中的应用:详解5种主要的图像识别模型
自从2012年以来,CNN和其它深度学习技术就已经占据了图像识别的主流地位。本文以Keras为例,介绍了5种主要的图像识别模型,并通过实际案例进行详细介绍。
准确率98%的深度学习交通标志识别是如何做到的?
我们可以创建一个能够对交通标志进行分类的模型,并且让模型自己学习识别这些交通标志中最关键的特征。在这篇文章中,我将演示如何创建一个深度学习架构,这个架构在交通标志测试集上的识别准确率达到了98%。
【深度学习之美】卷地风来忽吹散,积得飘零美如画(入门系列之十)
“此情可待成追忆”。可“记忆”到底是什么?如果我告诉你,“记忆”就是一种“卷积”,你可别不信。卷积并不神秘,它就在你我的生活中,它就在深度学习里!这可能是史上最通俗易懂的关于“卷积”介绍文章,不信你就进来瞅瞅呗。
对象跟踪小白?本文带你玩转OpenCV(C ++ / Python)
本文中我们将学习OpenCV 3.0中引入的OpenCV跟踪API,以及学习OpenCV 3.2中提供的6种不同的跟踪器。
手把手教你使用TensorFlow生成对抗样本 | 附源码
本文使用TensorFlow一步一步生成对抗样本,步骤明确清晰。首先生成的对抗样本不具有旋转鲁棒性,后面使用同样的方法生成具有鲁棒性的对抗样本,适合初学者对生成对抗样本的入门及动手实验。
综述:DenseNet—Dense卷积网络(图像分类)
与 ResNet 和 Pre-Activation ResNet 相比,DenseNet 具有较少的参数和较高的精度。那么,让我们看看它是如何工作的。
免费试用