基于深度学习的嵌入式离线语音识别系统设计

基于深度学习库Tensorflow和深度可分离卷积神经网络(Depthwise Separable Convolutional Neural Network,DS-CNN),实现一个嵌入式离线语音识别系统。利用Tensorflow和DS-CNN对预识别语音进行训练得到声学模型,移植该声学模型至嵌入式处理器中;对采集编码的语音信号经过分帧、加窗等预处理,采用梅尔频率倒谱系数(Mel Frequency Cepstral Coefficent,MFCC)方法进行特征提取,利用声学模型对提取的特征进行分类判别。测试结果表明,基于深度学习的语音识别可以有效地应用在嵌入式平台上,相比于一些传统算法,在识别率和识别时间上有明显的提高。     

语音交互在智能照明控制系统中的应用

设计了一款具有语音交互功能的智能照明控制系统。首先准备语音样本进行深度学习训练,将训练后的语音数据存储到嵌入式开发平台,实现离线语音控制。通过深度学习库 Tensorflow 和循环神经网络 RNN 将麦克风采集到的语音信号经过音频解码转化成语音数据,在时域段进行分帧、加窗等预处理工作,在频域段利用梅尔频率倒谱系数（M...     

应用Tensorflow 2进行银行客户分类研究

本文利用当前最流行的深度学习框架Tensorflow 2.3,设计了全连接神经网络模型,对银行历史购买理财产品的客户数据进行训练,生成了准确度高的神经网络模型,并利用该模型对新客户是否会购买理财产品预测。结果表明,该模型准确度达到90%以上,获得了较好的应用效果。     

基于轻量级卷积神经网络的水表读数自动识别系统

本文基于ESP32微控制器设计了一种轻量化的卷积神经网络用于自动识别水表的数字读数,该神经网络通过Tensorflow Lite深度学习开源框架部署到微控制器上,通过OV2640摄像头采集图像并传输给ESP32微控制器调用神经网络模型执行数字分类推理,实现读数识别.实验结果表明,该网络模型可以部署在硬件资源有限的ESP32微控制器上运行,对于清晰数字样本的预测准确率可达96％以上.     

基于深度学习的智慧农田管理系统

开发了一个基于深度学习的智慧农田管理系统，详细地介绍了平台的界面设计、功能模块、数据库。使用当前深度学习的先进技术，依托大数据发展，设计出合理的模型，实现了病虫害识别、温度预测、生长周期预测三大功能，提高了农作物管理效率，实现智能化的农田管理。界面的设计中采用了Vue框架，整体技术采用HTML+CSS+JS，在数据方面采用Axios进行数据交互，获取后端所传递的数据，并且使用Echarts画图组件进行数据可视化。使用的数据库为SQL Server 2008，以Python语言作为后端开发语言，采用Tensorflow框架实现了基于深度学习的3个核心功能的算法。     

基于微服务的深度学习模型服务系统

Tensorflow Serving是Google开源的一个服务系统,针对Tensorflow Serving单体应用吞吐量低、服务调用烦琐、模型生命周期管理不完善等问题,本文设计了一种基于Tensorflow Serving的微服务软件架构方案,在部署Tensorflow Serving的Docker(开源的应用容器...     

基于CNN人脸识别系统的设计与实现

本论文首先介绍了CNN框架下的人脸识别设计与实现的选题意义,然后搭建一个基于CNN人脸识别系统,最后说明了人脸识别的相关技术的应用前景。本系统使用的技术包括:使用Tensorflow等开源的深度学习技术,Opencv计算机视觉库为开发工具,Wxpython作为GUI界面。从技术角度来说,深度学习是当前科学研究的热点领域。从应用角度来说,人脸识别系统也是信息安全保障业务之中新的里程碑,该系统可广泛用于政府,银行,社会福利业务,电子商务、安全保障等相关领域。     

基于循环神经网络和注意力模型的文本情感分析

将循环神经网络中的长短期记忆网络和前馈注意力模型相结合，提出一种文本情感分析方案。在基本长短期记忆网络中加入前馈注意力模型，并在Tensorflow深度学习框架下对方案进行了实现。根据准确率、召回率和◢F◣▼1▽测度等衡量指标，与现有的方案对比表明，提出的方案较传统的机器学习方法和单纯的长短期记忆网络的方法有明显的优势。     

改进的VGG网络可提升年龄与性别预测准确率

由于深度卷积网络（Convolutional Neural Network,CNN）具有良好特征学习的性质,它得到了研究者们重点关注,并且已被广泛应用。相比较于深度CNN在物体识别与分类等任务上所达到的出色效果,其在年龄预测与人物性别识别任务上的应用还远远不能令人满意。基于公安业务背景,设计了一个深度卷积网络模型,并在证件照和Adience数据集上训练该模型,从而将其应用在人物年龄预测和性别分类上。通过基于Tensorflow的实验表明,提出的深度卷积网络模型,对人物年龄的预测准确率可达到90%以上;性别分类的准确率也达到93%以上。这明显优于现有文献中的结果。     

基于高阶特征交互的点击率预估模型的实现

传统的低阶特征模型不能充分利用大数据,从多个维度描述数据和用户.专注于高阶特征提取,结合显式和隐式特征交互的点击率预估模型可以利用好大数据的特点.使用Tensorflow框架搭建包含深度神经网络、因子压缩交互网络和多重特征自交互网络结构的模型,使用淘宝展示广告点击率预估数据集进行训练.模型采用对数损失值和ROC曲线下面积作为评价指标,与原始的LR、FM、Deep&Wide等典型模型进行比较,对数损失值降低了0.04,AUC值提高了0.05左右.