May, 2023

利用手机摄像头的机器视觉：比较深度神经网络在分类印度硬币三个具有挑战性的面额时的表现

PDF
TL;DR通过使用便宜的手机相机拍摄硬币的数字图像来训练深度神经网络模型，检测其正确的面额，研究表明，四种神经网络中的两种可以在硬币的任一面上达到 97% 的准确率。
发现论文，激发创造
  • 多列深度神经网络用于图像分类

    介绍了一种基于神经网络算法的计算机视觉和机器学习新方法，通过极小的感受野感知神经元构建深度神经网络来实现图像分类，相比于传统的方法显著提高识别性能

    Feb, 2012

  • 基于深度学习的自动定位检测

    通过深度学习和数字图像的广泛应用，我们实现了一个图像分类系统，该系统专门用于识别和分类印度城市的图像。我们采用了两种方法，一个是基本卷积神经网络，另一个是利用 VGG16 模型进行迁移学习。我们的研究结果表明，该系统在旅游、城市规划和实时位置识别等领域有潜在应用价值。

    Mar, 2024

  • 基于手机图像的波斯饭检测与分类的深度学习技术

    本研究通过使用基于图像的深度学习技术，介绍了一种创新的方法来对各种类型的波斯米饭进行分类，突出展示了日常技术在食物分类中的实际应用。

    Apr, 2024

  • 深度网络在不变物体识别中类似于人类前馈视觉

    研究了深度卷积神经网络在视角变化下物体识别任务中的表现，发现在视角变化较小时，浅层网络可以优于深层网络和人类表现。但是，当面临较大的视角变化时，需要更深的层次来匹配人类表现。最深的 18 层卷积神经网络在最高变化水平下优于人类表现，使用了最类人的表征。

    Aug, 2015

  • 深度学习与人脸识别：现状

    本文介绍了深度学习技术在人脸识别领域中的应用和进展，提出了需要更大和更具挑战性公共数据集的必要性，以及可以提供这样数据集的机构。

    Feb, 2019

  • 使用深度卷积神经网络从街景图像识别多位数

    本文提出了一种集成了多个步骤的深度卷积神经网络，直接在图像像素上解决了识别街景图像中任意多位数字的难题，并在公开数据集 SVHN 上达到超过 96% 的识别率，在识别每个数字的任务上超过了当前最先进的技术，在 reCAPTCHA 上的识别准确率为 99.8%，表明该系统在特定操作阈值下可以与甚至超过人类操作员的性能。

    Dec, 2013

  • 使用卷积神经网络研究手写数字识别的不同隐藏层和时期的准确性变化

    本文旨在分析卷积神经网络隐藏层模式对其整体性能的影响，针对 MNIST 数据集使用不同层数的神经网络测试其准确率变化并进行比较，探究深度学习在模式识别上的应用。

    Sep, 2018

  • 卷积神经网络推断可回收物品

    使用卷积神经网络和计算机视觉开发了一个用于自动化固体废物分类的工具，通过使用新构建的数据集及三种网络，成功达到 99% 的准确率并将网络的尺寸缩小一半，并将这三个网络进行了浮点数和其他格式的量化，以在移动应用程序中使用。

    Apr, 2021

  • 深度神经网络中的视觉数字区分评估

    本论文探讨在视觉领域中，使用最新的神经网络能否正确识别数量较大或较小的物品；研究结果表明，使用数值偏好的神经网络模型在数量辨别中表现最佳，但在转移实验中表现不佳。

    Mar, 2023

  • 多个深度 CNN 模型应用于废品分类的比较分析

    本研究旨在分析实现自动废物分类和收集的可能性，通过使用深度学习网络来对废物进行有效分类，进一步促进再生资源的回收。研究结果表明使用 ResNet18 网络进行微调，可以实现废物分类的最佳识别率为 87.8%。

    Apr, 2020