排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
目标识别一直是人工智能领域的热点问题. 为了提高目标识别的效率,提出了基于卷积神经网络多层特征提取的目标识别方法. 该方法将图像输入卷积神经网络进行训练,在网络的每个全连接层分别进行特征提取,将得到的特征依次输入到分类器,对输出结果进行比较. 选取经过修正线性单元relu函数激活的低层全连接层作为特征提取层,比选取高层全连接层特征提取的识别率高. 本文构建了办公用品数据集,实现了基于卷积神经网络多层特征提取的办公用品识别系统. 选择AlexNet卷积神经网络模型的relu6层作为特征选取层,选择最优训练图像数量和最优分类器构建系统,从而证明了该方法的可行性. 相似文献
2.
基于EasyDL平台建立了Office Supplies物体检测模型,通过到办公用品检测模型接口,构建了能够智能识别领取的办公用品管理系统。该系统实现摄像头拍摄待领取的办公用品照片,输入模型得到待领取办公用品的种类和数量,再用进销存方法计算库存,从而达到领取办公用品自动化管理,验证了EasyDL在智慧办公用品管理系统的可行性和实用性。 相似文献
1