OpenR8 是套装软件,将人工智能演算法标準化及模组化,降低价格及技术门槛。透过简单的瀏览器介面,让使用者不用写程式,也可以使用及调整 AI 演算法,大幅降低人工智能的技术门槛,仅用滑鼠就能使用 OpenR8 进行深度学习网络训练及推论。
OpenR8 套装软件是将演算法积木化及图形化,不需使用 Linux ,透过简单的 Windows 视窗介面,让使用者不用写程式,也可以使用及调整 AI 演算法,大幅降低人工智能的技术门槛,这份手册教导大家如何完整使用这套 OpenR8 软件。
最好的 AI 人工智能电脑热卖中!硬件採用最新最快的 NVIDIA TESLA V100, NVIDIA Titan RTX, NVIDIA RTX-2080Ti-11G!AI 电脑是赚钱工具,一机多功能,除了可以做人工智能演算法训练及推论,亦可作文书处理、影片剪辑、电竞、挖矿。
欢迎联络开源机器人俱乐部索取报价单。
此 Image-Object-Detection-MobileNetV2-SSD300-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侦测 PCB 上面的电容,本次训练图片大小为 300 × 300,与其他 SSD 不
此 Image-Object-Detection-MobileNetV1-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侦测 PCB 上面的电容,本次训练图片大小为 512 × 512,与其他 SSD 不
此 Image-Classification-MobileNetV2-Caffe 是利用 Caffe 框架,使用 MobileNetV2 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-Classification-MobileNetV1-Caffe 是利用 Caffe 框架,使用 MobileNetV1 网络架构来训练模型,透过已训练好的模型来分类影像。
使用随机森林预测股价数据的推论结果。
Image-Object-Detection-VGG16-SSD512-Caffe-VOC-Auto-Labeling 的解决方案,是将推论后的结果,输出成 Pascal VOC XML 格式的标记文件,目的是为了让推论的结果变 成标记文件后,可直接使用标记软件直接观看推论的结果,同时达到使用推论结果自动标记推论影像的功能。
Stock-Taiwan-XGBoost-Regression 是一个 Xgboost (eXtreme Gradient Boosting) (极限梯度提升) 与 Regression 来预测台湾股价的解决方案,Xgboos 可以用于分类也可以用于回归问题,在这里我们将 Xgboost 整合至 OpenR8 AI 软件,用户只需要透
此解决方案是使用 Keras 的 UNet 来进行学习。很多医学影像分割的研究,大部分都以 UNet 为基础进行改良。此是一个分割网络,包括两个部分,特征撷取与上采样。由于网络结构像 U 型,所以称为 UNet。
此 Image-Classification-InceptionV4-Caffe 是利用 Caffe 框架,使用 InceptionV4 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-Classification-InceptionV3-Caffe 是利用 Caffe 框架,使用 InceptionV3 网络架 构来训练模型,透过已训练好的模型来分类影像。
FaceNet 主要验证人脸是否为同一个人,端对端学习,直接比对两个人脸经过它的网络映像之后的欧氏距离。本解决方案收录了 FaceNet。使用者只要透过鼠标点击即可完成前处理、训练、分类、实时影像人脸辨识等。
Xgboost (eXtreme Gradient Boosting) (极限梯度提升) 是 boosting算法的其中一种, Boosting算法是将许多弱分类器集成在一起形成一个强分类器。因为 Xgboost 是一种 gradient boosting decision tree,可以用于分类也可以用于回归问题。
Conv1D 为一维卷积层 (1D convolution layer),用在一维输入信号上进行滤波,是深度学习常见的运算处理之一,在这里,我们使用 Conv1D 进行数据推论来预测股价。
Xgboost (eXtreme Gradient Boosting) (极限梯度提升) 是一种 gradient boosting decision tree,可以用于分类也可以用于回归问题。 OpenR8 将 Xgboost 整合至软件,用户只需要准备好数据,透过 OpenR8 的标准流程,即可完成数据分析。
此 Image_PCB_ResNet152_SSD512_Caffe 是在深度学习 Caffe 的框架下,先使用 SSD (Single Shot MultiBox Detector) 演算法搭配 ResNet152 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。
此 Image_PCB_VGG19_SSD512_Caffe 是在深度学习 Caffe 的框架下,先使用 SSD (Single Shot MultiBox Detector) 演算法搭配 VGG19 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。
[1] 2 3 4