Metal pitting corrosion

فرمت ترجمه : word
رشته : کامپیوتر
تعداد صفحات ترجمه : —
سال انتشار مقاله : 2020

 

توضیحات

تقویت معماری پردازش تصویر با استفاده از یادگیری عمیق برای سیستم های بینایی تعبیه شده

برای ثبت سفارش ترجمه کامل این مقاله کلیک کنید 

کلمات کلیدی :

یادگیری عمیق ، سیستم های بینایی تعبیه شده ، سیستم های جاسازی شده ، پردازش تصویر ، استخراج ویژگی ها ، شبکه های عصبی حلقوی ، شبکه آغازین گوگل

چکیده :

در سال های اخیر ، موفقیت و قابلیت های دید جاسازی شده در برنامه های جاسازی شده نشان داده شده است . جاسازی بینایی در دستگاه های الکترونیکی مانند برنامه های کاربردی پزشکی جاسازی شده با دسترسی به پردازنده هایی با کارایی بالا ، ادغام با الگوریتم های یادگیری عمیق و همچنین پیشرفت در فناوری پردازش تصویر هدایت می شود . اما ، شامل پردازش تصویر در سیستم های بینایی جاسازی شده است که حتی برای پردازش یک تصویر واحد برای شناسایی یک شی نیاز به حجم عظیمی از قابلیت های محاسباتی دارد و اجرای آن در سیستم های تعبیه شده بسیار چالش برانگیز است . اجرای الگوریتم های یادگیری عمیق و آزمایش آن بر روی مجموعه داده های خاص کار می تواند نتایج پیشرفته ای را ارائه دهد . در این مقاله ، یک رویکرد برای بهبود معماری پردازش تصویر با استفاده از یادگیری عمیق برای سیستم های بینایی جاسازی شده ارائه وتجزیه و تحلیل شده است . اجرای الگوریتم های یادگیری عمیق و آزمایش آن بر روی دید تعبیه شده ، نتایج موثری را به همراه دارد .

دیدگاه بگذارید

avatar
  Subscribe  
Notify of