基于深度学习的遥感检测
社区干货
大模型和深度学习的工作总结|社区征文
越来越多的技术:深度学习、AI、大模型、虚拟现实VR等慢慢进入我们的生活。**基于大模型的图像去雾**在今年这个阶段,我的主要工作是研究基于深度学习的图像去雾工作。随着现代工业文明的发展进步,大气污染现象愈发严重,由此产生的雾霾天气困扰着人们的出行和工作。雾霾是导致图像模糊的最主要原因之一,受雾霾天气影响,专业的监控和遥感成像系统所拍摄的图像也无法满足相应的工作需求,并且也会有一些烟、尘、雾等漂浮颗粒影响室...
基于深度学习的探地雷达图像去杂波｜社区征文
**前言** 探地雷达(GPR)是一种广泛应用于土木工程、地质工程和地质灾害监测的探测地下的方法，通过利用电磁波在不同介质之间的不同反射特性来探测和识别地下物体，GPR 通常沿测线采集高分辨率 B-Scan 雷达图，然而 B-Scan 雷达图在检测到目标响应时会伴有因不均匀地表的强反射、地下土层界面的回波
基于深度学习的工业缺陷检测详解——从0到1|社区征文
和大家唠唠基于深度学习的钢轨表面伤损细粒度图像识别与目标检测,***总结一下工业缺陷检测流程***,包括从最开始的数据标注,中间的算法原理,再到最后的落地应用。无论你是搞实际项目or发论文or开阔视野,相信都会有所收获。话不多说,和我一起愉快的学习叭🎈🎈🎈
特惠活动
基于深度学习的遥感检测-优选内容
基于深度学习的遥感检测-相关内容
车辆图像分析-火山引擎
基于深度学习算法,准确地在图像中识别与车辆相关的信息,提供包括车辆检测、车牌检测、车辆分割等智能功能。
边缘计算技术:深度学习与人工智能的融合|社区征文
如何使用PyTorch框架对深度学习模型进行训练和优化,以及如何将模型部署到边缘设备上? 以下是我的答案```pythonimport torch import torch.nn as nn import torch.optim as optim from torch.utils.mobile_... 精彩瞬间检测等。```pythonimport cv2 import numpy as np # 初始化摄像头 cap = cv2.VideoCapture(0) # 使用摄像头0进行视频捕获 # 定义一个函数来处理视频帧 def process_frame(frame): ...
AI与深度学习的一年 | 社区征文
深度学习方法能以更方便的方式对特征进行提取,在图像分类、人工智能等领域取得了良好的效果。近些年来,一些研究人员开始将深度学习方法应用于癫痫发作检测领域。# 方法## 1融合GCN和transformer的癫痫自动检测模型基于GCN和transformer的癫痫自动检测模型,该网络模型处理过程中可以分成三个步骤:特征提取、重构和分类。在特征提取阶段,通过GCN对输入的脑电信号进行去噪并进行特征提取处理;特征重构阶段将处理后的数据作为特...
「跨越障碍,迈向新的征程」盘点一下2022年度我们开发团队对于云原生的技术体系的变革|社区征文
**「Exec探测超时处理(v1.20版本开始)」** 针对于嗅探机制的超时处理机制 - **「添加了对 Pod 层面启动探针和活跃性探针的控制(v1.20版本开始)」** 向探针添加initializationFailureThreshold,允许在容器的初始启动期间出现更多的失败。5. **【可移植能力】Volume快照操作的标准体系**,并允许用户以可移植的方式在任何 Kubernetes 环境和支持的存储提供程序上合并快照操作。6. **【容器能力扩展】在v1.20版本开始它移除 d...
能力介绍
产品简介基于深度学习算法,检测出图片中的头发、水面、天空、纹理,使其产生流动效果,返回流动视频。 产品优势算法出色:基于海量数据训练和实际业务场景的打磨,效果出色。 能力丰富:丰富的图像质量优化技术,满足各类业务场景需求。 持续升级:算法工程师持续升级算法,服务工程师提供可靠支持。 业务驱动:算法响应业务需求而持续迭代,助力效果不断优化。 应用场景图像智能创作适用于图库、社交、PUGC内容平台的图像处理场景,高效智能...
官方模型概览
抽烟检测-01-PPYOLOE-ONNX ONNX 物体检测 一种使用 PP-YOLOE 算法进行训练的抽烟行为检测模型,用于检测并识别图片或视频中有抽烟行为的个体。 人脸检测-01-FaceNet-TRT TensorRT 物体检测 一种基于 NVIDIA FaceNet 模型的人脸检测模型,用于在图像或视频中准确地检测和定位人脸的位置,实现实时的人脸检测和跟踪。 人脸检测-02-BlazeFace-ONNX ONNX 物体检测 一种使用 PaddlePaddle 深度学习框架和 Blazeface 算法进行...
2023 年度总结—总结我今年的AI之路-多项目实战经验谈AI发展前景|社区征文
该模型能够根据历史数据预测交付是否准时或延迟。其准确率超过了80%,从而有效地预测货物的交付状态,完成任务目标。全程的无代码体验过程是相当的nice!,模型的准确率也超过了任务要求的80%以上。 Canvas的可视化点击式界面提供了一个直观、易用的操作平台,可以轻松创建和优化机器学习模型。这种用户友好性大大降低了学习门槛,让机器学习在更广泛的领域中得以应用,让刚入门的小白也可以快速的了解机器学习,深度学习的内...
分割抠图-火山引擎
基于深度学习框架,结合检测识别技术,实现高精视觉分割能力。实现对多类主体、复杂背景等场景的抠图能力,同时支持人、货、场等多种类型需求,可广泛应用于电子商务、零售、泛文娱、个人应用等各种场景
能力介绍
产品简介基于深度学习算法,适用于检测车辆的车牌区域,是车牌识别的基础。 产品优势性能优异:业内顶尖的算法效果,高精度,高性能,低功耗。 算法出色:基于海量数据训练和实际业务场景的打磨,效果出色。 持续升级:算法工程师持续升级算法,服务工程师提供可靠支持。 业务驱动:算法响应业务需求而持续迭代,助力效果不断优化。 应用场景道路交通管理交通违章场景的车牌检测,停车场收费管理. 车牌号处理对图片、视频中的车牌号进行遮挡处...
