LSTM(Long short-term memory)长短期记忆,是一种特殊的RNN。LSTM适合于处理和预测时间序列中间隔和延迟非常长的重要事件,因此我们使用 LSTM 来数据的推论。
此 Image_Classify_InceptionV2_Caffe 是利用 Caffe 框架,使用 InceptionV2 网络架构来训练模型,透过已训练好的模型来分类影像。
此 Image_Classify_InceptionV1_Caffe 是利用 Caffe 框架,使用 InceptionV1 网络架构来训练模型,透过已训练好的模型来分类影像。
Image_OCR_Keras 是使用 Keras 与 densenet 判断影像中的文字,我们解决方案的模板 训练了中文、英文以及标点符号的影像,可以辨识影像中的文字。
此 Image-Object-Detection-VGG16-SSD512-Keras-Age 是在深度学习 Keras 的框架下,先使用 SSD (Single Shot MultiBox Detector) 算法来训练模型,再透过已训练好的模型进行年龄预测,本次训练图片大小为 512 × 512。
此 Image_Face_SSD_Keras 是透过 Keras 的函数库,使用 SSD (Single Shot MultiBox Detector) 方法来辨识人脸。此解决方案是使用 Keras,图片大小为 512 x 512,另外有 Caffe 版本可以提供大家参考。
此 Image_40Labels_SSD512_Caffe 是在深度学习 Caffe 的框架下,先使用 SSD (Single Shot MultiBox Detector) 算法来训练模型,再透过已训练好的模型进行文字侦测,可以高达 40 种类别分类,本次训练图片大小为 512 × 512。
此 Image_Age_SSD_Caffe 是在深度学习 Caffe 的框架下,先使用 SSD (Single Shot MultiBox Detector) 算法来训练模型,再透过已训练好的模型进行年龄预测,本次训练图片大小为 512 × 512。
此 Image_Classify_AlexNet_Caffe是利用 Caffe 框架,使用 AlexNet网络架构来训练模型,透过已训练好的模型来分类影像。
此 Image_Classify_VGG16_Caffe是利用 Caffe 框架,使用 VGG16网络架构来训练模型,透过已训练好的模型来分类影像。
此 Image_Classify_ResNet50_Caffe是利用 Caffe 框架,使用 ResNet50网络架构来训练模型,透过已训练好的模型来分类影像。
Mask R-CNN 为 Faster R-CNN 的延伸应用,比Faster R-CNN多增加一个分支,在检测目标物的同时,将目标像素分割出来。
此 Image_PCB_ResNetSSD512_Caffe 是利用 Caffe 框架,速度比 Keras 快两倍以上,与其他 Image_PCB_SSD512_Caffe 所不同的是使用 resNet 网络架构,再加上使用 SSD (Single Shot MultiBox Detector) 深度学习算法来训练模型。
此 Image_PCB_ResNetSSD300_Caffe 是利用 Caffe 框架,速度比 Keras 快两倍以上,与其他 Image_PCB_SSD300_Caffe 所不同的是使用 resNet 网络架构,再加上使用 SSD (Single Shot MultiBox Detector) 深度学习算法来训练模型。
此 Image_PCB_DefectDetection_SSD512_Caffe 是利用 Caffe 框架,速度比 Keras 快两倍以上,先使用 SSD (Single Shot MultiBox Detector) 深度学习算法来训练模型,再透过已训练好的模型侦测 PCB 上面的电容是否有瑕疵。
Image_ConvertFileFormat 的功能为将图文件转成另一种图档的格式,以这里的范例来说,就是将 TIFF 图档转成 PNG 档,使用者可以将 TIFF、BMP、JPEG、PNG、GIF 图档转成 TIFF、BMP、JPEG、PNG、GIF 图档格式。
使用不同的方法来进行数据的模型学习与后续的推论。使用方法有全连接层丶随机森林,提供的范例有股价预测丶sin 波形的预测。
HttpServer 的功能为传送要收到的档案,透过网页来显示接收档案的内容。
此 Image_PCB_SSD512_Caffe 是在深度学习 Caffe 的框架下,先使用 SSD (Single Shot MultiBox Detector) 演算法来训练模型,再透过已训练好的模型侦测 PCB 上面的电容,本次训练图片大小为 512 × 512。
可以透过此解决方案进行大量图像运算来比较不同计算机的效能。
1 [2] 3 4 5