此 Image_Classify_ResNet50_Caffe是利用 Caffe 框架,使用 ResNet50網路架構來訓練模型,透過已訓練好的模型來分類影像。
Mask R-CNN 為 Faster R-CNN 的延伸應用,比Faster R-CNN多增加一個分支,在檢測目標物的同時,將目標像素分割出來。
Mask R-CNN 為 Faster R-CNN 的延伸應用,比 Faster R-CNN多增加一個分支,在檢測目標物的同時,將目標像素分割出來。
此功能是用於錄音。只要透過 OpenR8 執行此 py 檔,開始錄音,達到指定的錄製時間就會自動停止且輸出音訊檔。
Image_PCB_YOLOv3_Keras 是使用 Keras 的 YOLO 第三版— YOLOv3 來判斷目標進行分類、檢測。
此 Image_PCB_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。
Python 函式庫用來執行 python 檔,只要選擇指定的 python 檔、填入想傳給 python 檔的參數,按下執行運行 py 檔,就能得到 python 回傳的字串。
Image_Cap 的用途為偵測瓶蓋是否有蓋緊。
使用 Caffe 的框架,透過 SSD (Single Shot MultiBox Detector) 方法來偵測與辨識影像中的人臉。
Image_OCR_FC_Caffe_FC 是使用 Caffe 的 MNIST 手寫數字辨識,辨識圖片中數字為何。
Image_Binarize (影像二值化) 用於將影像進行前後景分離,即分成我們感興趣的部分 (前景),以及不感興趣的部分 (背景),通常將某個閾值 (threshold) 當作分割的標準,超過閾值的像素當作前景,反之則為背景。
本文章為深度學習應用於影像檢測的基本概念說明,並與傳統影像演算法進行比較。
使用隨機森林預測數據的推論結果。
此 Image_PCB_ResNetSSD300_Caffe 是利用 Caffe 框架,速度比 Keras 快兩倍以上,與其他 Image_PCB_SSD300_Caffe 所不同的是使用 resNet 網路架構,再加上使用 SSD (Single Shot MultiBox Detector) 深度學習演算法來訓練模型。
此 Image_PCB_ResNetSSD512_Caffe 是利用 Caffe 框架,速度比 Keras 快兩倍以上,與其他 Image_PCB_SSD512_Caffe 所不同的是使用 resNet 網路架構,再加上使用 SSD (Single Shot MultiBox Detector) 深度學習演算法來訓練模型。
JSON library 的函式庫包含以下 function。
此 Image_PCB_DefectDetection_SSD512_Caffe是利用 Caffe 框架,速度比 Keras 快兩倍以上,先使用 SSD (Single Shot MultiBox Detector) 深度學習演算法來訓練模型,再透過已訓練好的模型偵測 PCB 上面的電容是否有瑕疵。
OpenVINO 是 Intel 針對深度學習 Inference 跑在 Intel 的硬體 (CPU, GPU...) 上,所做的一個軟體框架,目的是最佳化執行效能。
OpenVINO 是 Intel 針對深度學習 Inference 跑在 Intel 的硬體(CPU, GPU...)上,所做的一個軟體框架,目的是最佳化執行效能。
1 [2] 3 4 5