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 .

امتیاز ما
برای امتیاز به این نوشته کلیک کنید!
[کل: 0 میانگین: 0]

نقد و بررسی‌ها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین کسی باشید که دیدگاهی می نویسد “تقویت معماری پردازش تصویر با استفاده از یادگیری عمیق برای سیستم های بینایی تعبیه شده”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *