图像识别中的深度学习
图像识别中的深度学习 来源：《中国计算机学会通讯》第8期《专题》 作者：王晓刚 深度学习发展历史 深度学习是近十年来人工智能领域取得的重要突破。它在语音识别、自然语言处理、计算机视觉 ...
原文：深度学习应用系列（四）| 使用 TFLite Android构建自己的图像识别App
深度学习要想落地实践，一个少不了的路径即是朝着智能终端 嵌入式设备等方向发展。但终端设备没有GPU服务器那样的强大性能，那如何使得终端设备应用上深度学习呢 所幸谷歌已经推出了TFMobile，去年又更进一步，推出了TFLite，其应用思路为在GPU服务器上利用迁移学习训练自己的模型，然后将定制化模型移植到TFLite上， 终端设备仅利用模型做前向推理，预测结果。本文基于以下三篇文章而成： 理论篇 ...
2018-09-07 14:51 1 4888 推荐指数：
相关推荐
图像识别中的深度学习
来源：《中国计算机学会通讯》第8期《专题》 作者：王晓刚 深度学习发展历史 深度学习是近十年来人工智能领域取得的重要突破。它在语音识别、自然语言处理、计算机视觉、图像与视频分析、多媒体等诸多领域的应用取得了巨大成功。现有的深度学习模型属于神经网络。神经网络的起源可追溯到20世纪 ...
基于深度学习ResNet模型的图像识别
开始答辩： 我们的项目的方向是基于深度学习的图像识别。图像识别可以说是人工智能中相当基础而又相当有应用前景的一门技术。 计算机的图像识别技术在公共安全、生物、工业、农业、交通、医疗等很多领域都有应用。 例如交通方面的车牌识别系统；公共安全方面的的人脸识别技术、指纹识别 ...
图像识别中的深度学习 转
学习是近十年来人工智能领域取得的重要突破。它在语音识别、自然语言处理、计算机视觉、图像与视频分析、多媒 ...
深度学习与传统图像识别
深度学习与传统图像识别 概述 传统方法中特征提取主要依赖人工设计的提取器，需要有专业知识及复杂的调参过程，同时每个方法都是针对具体应用，泛化能力及鲁棒性较差。 深度学习主要是数据驱动进行特征提取，根据大量样本的学习能够得到深层的、数据集特定的特征表示，其对数据集的表达更高效和准确，所提 ...
基于深度学习的图像识别模型发展
一、简介 AlexNet：(2012)主要贡献扩展 LeNet 的深度，并应用一些 ReLU、Dropout 等技巧。AlexNet 有 5 个卷积层和 3 个最大池化层，它可分为上下两个完全相同的分支，这两个分支在第三个卷积层和全连接层上可以相互交换信息。它是开启了卷积神经网络做图像处理的先河 ...
图像识别 | AI在医学上的应用 | 深度学习 | 迁移学习
参考：登上《Cell》封面的AI医疗影像诊断系统：机器之心专访UCSD张康教授 Identifying Medical Diagnoses and Treatable Diseases by Ima ...
Tensorflow Keras基于深度学习的图像识别/人脸表情识别demo
1 简单的深度学习过程常规流程： PS: 标*的 构建神经网络是最重要的。 2 本demo功能：基于TensorFlow Keras来建立模型、训练（喂给它已经分类好的人脸表情图片）和预测 人脸表情图片。 上代码： 3 用于训练的图片 ...