OpenR8 是 AI 軟體大補帖,免安裝,內建人工智慧演算法及 AI 開發環境,提供完整中文說明文件,幫助您省下寶貴的時間。
OpenR8 套裝軟體是將演算法積木化及圖形化,透過簡單的瀏覽器介面,讓使用者不用寫程式,也可以使用及調整 AI 演算法,大幅降低人工智慧的技術門檻,這份手冊教導大家如何完整使用這套 OpenR8 軟體。
歡迎直接聯絡開源機器人俱樂部購買。
此 Image-Object-Detection-MobileNetV2-SSD300-Caffe 是在深度學習 Caffe 的框架下,先使用 SSD (Single Shot MultiBox Detector) 演算法來訓練模型,再透過已訓練好的模型偵測 PCB 上面的電容,本次訓練圖片大小為 300 × 300,與其他 SSD
此 Image-Object-Detection-MobileNetV1-SSD300-Caffe 是在深度學習 Caffe 的框架下,先使用 SSD (Single Shot MultiBox Detector) 演算法來訓練模型,再透過已訓練好的模型偵測 PCB 上面的電容,本次訓練圖片大小為 300 × 300
此 Image-Object-Detection-MobileNetV1-SSD512-Caffe 是在深度學習 Caffe 的框架下,先使用 SSD (Single Shot MultiBox Detector) 演算法來訓練模型,再透過已訓練好的模型偵測 PCB 上面的電容,本次訓練圖片大小為 512 × 512,與其他 SSD
此 Image-Classification-MobileNetV2-Caffe 是利用 Caffe 框架,使用 MobileNetV2 網路架構來訓練模型,透過已訓練好的模型來分類影像。
使用隨機森林預測股價數據的推論結果。
此 Image-Classification-MobileNetV1-Caffe 是利用 Caffe 框架,使用 MobileNetV1 網路架構來訓練模型,透過已訓練好的模型來分類影像。
Image-Object-Detection-VGG16-SSD512-Caffe-VOC-Auto-Labeling 的解決方案,是將推論後的結果,輸出成 Pascal VOC XML 格式的標記檔,目的是為了讓推論的結果變成標記檔後,可直接使用標記軟體直接觀看推論的結果,同時達到使用推論結果自動標記推論影像的功能。
Stock-Taiwan-XGBoost-Regression 是一個Xgboost (eXtreme Gradient Boosting) (極限梯度提升) 與 Regression 來預測台灣股價的解決方案,Xgboos 可以用於分類也可以用於迴歸問題,在這裡我們將 Xgboost 整合至 OpenR8 AI 軟體,使用者只需要透
此解決方案是使用 Keras 的 UNet 來進行學習。很多醫學影像分割的研究,大部分都以 UNet 為基礎進行改良。此是一個分割網路,包括兩個部分,特徵擷取與上採樣。由於網路結構像 U 型,所以稱為 UNet。
此 Image-Classification-InceptionV4-Caffe 是利用 Caffe 框架,使用 InceptionV4 網路架構來訓練模型,透過已訓練好的模型來分類影像。
此 Image-Classification-InceptionV3-Caffe 是利用 Caffe 框架,使用 InceptionV3 網路架構來訓練模型,透過已訓練好的模型來分類影像。
FaceNet 主要驗證人臉是否為同一個人,端對端學習,直接比對兩個人臉經過它的網路 映射之後的歐氏距離。本解決方案收錄了 FaceNet。使用者只要透過滑鼠點擊即可完成前處理、訓練、分類、 即時影像人臉辨識等。
Xgboost (eXtreme Gradient Boosting) (極限梯度提升) 是 boosting 演算法的其中一種, Boosting 演算法的思想是將許多弱分類器集成在一起形成一個強分類器。因為 Xgboost 是一種 gradient boosting decision tree,可以用於分類也可以用於迴歸問題。
Xgboost (eXtreme Gradient Boosting) (極限梯度提升) 是一種 gradient boosting decision tree,可以用於分類也可以用於迴歸問題。 OpenR8 將 Xgboost 整合至軟體,使用者只需要準備好資料,透過 OpenR8 的標準流程,即可完成數據分析。
Conv1D 為一維卷積層 (1D convolution layer),用在一維輸入信號上進行濾波,是深度學習常見的運算處理之一,在這裡,我們使用 Conv1D 進行數據推論來預測股價。
此 Image_PCB_ResNet152_SSD512_Caffe 是在深度學習 Caffe 的框架下,先使用 SSD (Single Shot MultiBox Detector) 演算法搭配 ResNet152 來訓練模型,再透過已訓練好的模型偵測 PCB 上面的電容,本次訓練圖片大小為 512 × 512。
此 Image_PCB_VGG19_SSD512_Caffe 是在深度學習 Caffe 的框架下,先使用 SSD (Single Shot MultiBox Detector) 演算法搭配 VGG19 來訓練模型,再透過已訓練好的模型偵測 PCB 上面的電容,本次訓練圖片大小為 512 × 512。
[1] 2 3 4