书接上回，经过自动检测和裁剪之后，已经有很多切割整齐的硬币照片了，再来看看相似检测的方法。 一开始的思路极其简单，既然前面做了边缘提取，而对于硬币的种类，人眼最关心的也是和轮廓、花纹相关的信息。那就利用边缘信息来检测，怎么检测呢？ 拿待检测的图的边缘，和所有标准图的边缘一个一个叠起来比较，和谁重合的面积越大，就和谁最像。虽然这个思路简单到小学二年级的同学都会笑出声，但这个方法在
都说喵星人快要统治地球了，各种证据正在被发现……OpenCV的开发人员似乎也发现了些什么，在其发布版本里悄悄留下了些线索：在OpenCV-Python安装包目录的data文件夹下，有2个“frontcal cat face”文件，对比其他几个人脸识别的文件，从名称上可以推测出也是级联分类器，用来识别猫脸的，这明显是要为以后喵星人统治地球提前做技术储备呀。为了以后更好地服务喵星人，我们来看看这些猫脸
接上回书，那么如何写一个入门的简单AI训练（0-9）数字图片试别AI。本文的程序，配合我训练的模型试别准确率只有98.8%，不过也是算是给我开辟了新的知识面。 1.为什么使用卷积神经网络 原因有二：1.直观上，使用卷积比全连接网络少很多参数（百度上说的）；2.我经理
目 录简 介1. 人脸对比案例2. 文字图像识别案例参考文献 简 介当我们不能独立开发模型或者不能训练出优秀的神经网络，我们可通过一些在线平台的API接口调用在线的SDK，进而来处理我们的项目。关于什么是API和SDK，请点击这里。常用的提供API接口的在线平台有：百度AI开放平台、face++和腾讯AI等，下面，我们通过一些百度AI的使用案例来具体介绍。1. 人脸对比案例注册并登入百度AI，并
转载
2024-08-09 08:21:24
57阅读
导读：作者系腾讯QQ研发中心——CV应用研究组的yonke。本文主要介绍基于深度神经网络的表格图像识别解决方案。1.前言 1.1背景大多数人日常办公处理的文件，无非就是表格和文档，其中表格的重要性毋庸置疑。在各行各业的桌面办公场景中，Excel和WPS是电子表格的事实标准。我们经常遇到这种需求：将一个表格图片的内容导入Excel。以前我们只能对着图片把内容一点点敲进excel，既低效又容易出错。
转载
2024-06-21 13:31:16
76阅读
AI学习笔记之物体检测（上）物体检测简介常见检测网络IOUTP、TN、FP、FNprecision（精确度）和recall（召回率）边框回归边框回归具体方法Selective SearchFaster R-CNNConv layersConv layers区域生成网络Region Proposal Networks(RPN)anchorssoftmax判定positive与negtive对pro
在本系列文章中，我们将使用深度神经网络(DNN)来执行硬币识别。
翻译
精选
2020-12-22 08:53:20
2919阅读
点赞
在探索“AI归纳学习模式识别统计学习深度学习”的过程中，我遇到了一个具有挑战性的问题。以下是我解决该问题的详细记录，包括背景、错误现象、根因分析、解决方案与验证测试等多个方面的深入探讨。
### 问题背景
随着人工智能（AI）技术的迅速发展，深度学习在各类模式识别中的重要性愈益凸显。然而，在应用深度学习模型进行AI归纳学习时，我发现了模型性能不佳的问题。现象描述如下：
- 【模型在验证集上的
在深度学习出现后，人脸识别技术才真正有了可用性。这是因为之前的机器学习技术中，难以从图片中取出合适的特征值。轮廓？颜色？眼睛？如此多的面孔，且随着年纪、光线、拍摄角度、气色、表情、化妆、佩饰挂件等等的不同，同一个人的面孔照片在照片象素层面上差别很大，凭借专家们的经验与试错难以取出准确率较高的特征值，自然也没法对这些特征值进一步分类。深度学习的最大优势在于由训练算法自行调整参数权重，构造出一个准确率
转载
2023-11-05 08:14:18
121阅读
核心提示在OCR识别技术领域，深度学习也是非常重要的。它能让OCR识别技术更加强大，适应各种文字类型等。能更大的提升整体的识别率。OCR识别技术处理图像越多，就会变得越来越强大。随着数据的不短积累，识别能力都被保存下来。 李世石大战阿尔法狗，人机大战。然后就各种恐慌了，机器人会统治人类，如果你那么想，我只能说你太幼稚。 我们来聊聊阿尔法狗，所以他是有强大的运算支持的，貌似后端有1000多个CP
转载
2024-08-08 17:01:33
21阅读
深度学习是AI领域的一个重要分支，它基于对数据进行表征学习的理念，使用多层神经网络对数据进行特征提取和模式识别。深度学习在许多领域取得了显著的成功，包括图像分类、语音识别、自然语言处理等。深度学习的核心概念包括：神经网络（Neural Networks）：神经网络是一种通过模拟人脑神经元之间的相互连接和传递，实现从大量数据中自动学习和提取特征的模型。神经网络的基本组成单元是神经元，多个神经元组成的
原创
2023-12-16 07:01:44
230阅读
目录配置一配置二配置三云服务器和超级计算机 AI模型训练是一种机器学习的过程，通过训练深度学习模型来自动化处理数据和完成任务。AI训练可以帮助企业和研究人员开发出更加智能、高效的应用，从而提高生产力和创新能力。以下是按训练性能从低到高的3种高性能计算机配置：配置一：要训练更大的AI数据模型，需要配备高性能
转载
2023-07-09 11:31:38
354阅读
# 如何实现深度学习识别
## 1. 流程
首先，我们来看一下实现深度学习识别的整个流程。
```mermaid
pie
title 深度学习识别流程
"数据收集" : 20
"数据预处理" : 15
"模型训练" : 30
"模型评估" : 15
"模型应用" : 20
```
## 2. 详细步骤
### 2.1 数据收集
- 从互联网
原创
2024-03-09 06:48:24
36阅读
深度学习机器配置上文说到本人下定决心学AI，既然要好好学，那么我这从大二开始用到现在的老年笔记本肯定是不够看的了，所以咬咬牙决定趁双十一活动较多的时候，配一台机器。 本来我对电脑配置一无所知，一台破笔记本走天下，所以为了配一台深度学习的机器也是操碎了心，前前后后查了三周左右。预算也由最开始6K，到后来1W，到最后1.5W以内（肉疼…）。 至于机器是在网上买，还是线下买也纠结过一段时间，对比过后发现
转载
2023-07-07 10:35:25
80阅读
目录一、深度网络的设计与实现1. 深度CNN的架构设计2. 网络深度化的优势分析二、经典深度网络架构演进1. VGG：深度堆叠2. GoogLeNet：横向扩展3. ResNet（残差网络）：跨越连接三、深度学习的高速化技术1. GPU2. 分布式学习3. 运算精度四、深度学习的多样化应用1. 物体检测与图像分割2. 多模态与图像描述3. 生成模型与强化学习五、深度学习的未来展望1. 风格迁移2.
人脸识别分人脸验证（face verification）和人脸确认（face identification）；前者是指两个人是不是同一个人，即1-to-1 mapping，而后者是确定一个人是一群人中的某个，即1-to-many mapping。人脸作为一种特殊的目标，如同人体（行人检测）一样，前面讨论的目标检测/识别算法可以直接采用，但也会有其特殊的设计考虑，比如其刚体（rigid body）特
转载
2023-11-14 08:52:25
98阅读
**论文题目**：《Deep Face Recognition: A Survey》
**论文作者**：Mei Wang, Weihong Deng
**论文链接**：http://cn.arxiv.org/pdf/1804.06655.pdf随着2012年AlexNet赢得了ImageNet挑战赛的冠军后，深度学习技术在各个领域都发挥着重要的作用，极大地提升了许多任务的SOTA。2014年，
转载
2024-03-14 21:45:08
88阅读
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
转载
2024-05-09 21:31:51
88阅读
基于深度学习的人脸识别技术综述 LFW数据集（ Labeled Faces in the Wild）是目前用得最多的人脸图像数据库。该数据库共13，233幅图像，其中5749个人，其中1680人有两幅及以上的图像，4069人只有一幅图像。图像为250*250大小的JPEG格式。绝大多数为彩色图，少数为灰度图。该数据库采集的是自然条件下人脸图片，目的是提高自然条件下人脸识别的精度。
转载
2023-09-11 13:22:17
128阅读
引言"互联网+"已经发展的差不多了，应有尽有，空间不大，下个浪潮会不会是"AI+"？那么作为一个普通程序员，在已有C++/ java / python这样的语言技能栈的前提下，我们该如何拥抱变化，如何向人工智能(AI)靠拢？AI，机器学习，深度学习？近两年科技领域有些火热名词常常会被我们津津乐道，诸如"人工智能"、"模式识别"、"机器学习"、"深度学习"等。还记得2016年Goog
原创
2023-03-07 12:44:42
699阅读
