排序方式: 共有11条查询结果,搜索用时 15 毫秒
1.
2.
3.
4.
研究了以用户与系统之间的交互信息为先验知识的目标分割算法,提出一种基于区域动态轮廓的交互式目标分割算法.采用基于区域动态轮廓的CV模型及形状先验引导进化思想,并引入了基于滤波后图像梯度和Laplace的分段自适应加权算法.为了克服由于对先验差值区域加权而产生的目标轮廓萎缩问题,对所构建的进化模型引入了面积激励项.实验结果表明:算法无需基于精确先验知识训练而获得的先验知识模型,用户仅需要选择待分割目标的大致区域,算法即可对该区域进行分割,在选用的灰度图像级上,完成分割所需要的迭代次数仅为基本CV模型的26.4%. 相似文献
5.
深度学习技术在现代离散制造业中有很多应用场景,是支撑离散制造业由数字化、网络化阶段向智能化转型的关键技术之一。对离散制造业的从业者而言,使用传统开发方式,应用深度学习技术解决生产场景中问题的学习成本很高,需要从业者同时具备较深的开发能力和深度学习知识背景。为了尽可能地降低离散制造业从业人员进行深度学习功能开发的成本,在对离散制造业的特性、深度学习在离散制造业的应用情况和人工智能开发模式进行充分了解之后,提出了适用于离散制造业的深度学习无代码开发平台的构建方案,并进行了实现,最后应用企业级的项目进行了应用效果对比,证明了该开发平台的优异性能。 相似文献
7.
8.
9.
针对分离出的旋转机械故障信号的非线性非平稳性问题,本文提出一种对旋转机械故障信号分离的方法.首先针对以往利用EMD方法分解的特征信号存在的模态混叠问题,利用VMD方法完成对旋转机械故障特征信号的分解.其次,选取相应的分解后特征信号构成观测序列,利用FastICA算法对观测序列进行分离得到源信号,最后针对FastICA算... 相似文献
10.
深度神经网络模型通常存在大量冗余的权重参数,计算深度网络模型需要占用大量的计算资源和存储空间,导致深度网络模型难以部署在一些边缘设备和嵌入式设备上。针对这一问题,提出了一种基于梯度的深度网络剪枝(GDP)算法。GDP算法核心思想是以梯度作为评判权值重要性的依据。首先,通过自适应的方法找出阈值进行权值参数的筛选;然后,剔除那些小于阈值的梯度所对应的权值;最后,重新训练剪枝后的深度网络模型来恢复网络精度。实验结果表明:在CIFAR-10数据集上,GDP算法在精度仅下降0.14个百分点的情况下,计算量减少了35.3个百分点;与当前流行的PFEC算法相比,GDP算法使网络模型精度提高了0.13个百分点,计算量下降了1.1个百分点,具有更优越的深度网络压缩与加速性能。 相似文献