Thông tin tài liệu
Hiểu biết môi trường xung quanh dùng mạng nơron tích chập Hiểu biết môi trường xung quanh dùng mạng nơron tích chập Hiểu biết môi trường xung quanh dùng mạng nơron tích chập Hiểu biết môi trường xung quanh dùng mạng nơron tích chập
Ngày đăng: 20/11/2021, 16:26
Xem thêm:
Hình ảnh liên quan
Hình 2.5.
Mạng truyền thẳng nhiều lớp Xem tại trang 15 của tài liệu.
Hình 2.6.
Mạng hồi quy một lớp Xem tại trang 15 của tài liệu.
Hình 2.8.
Các phương pháp huấn luyện mạng thần kinh nhân tạo Xem tại trang 16 của tài liệu.
Hình 2.7.
Mạng hồi quy nhiều lớp Xem tại trang 16 của tài liệu.
Hình 2.9.
Học có giám sát Xem tại trang 17 của tài liệu.
Hình 2.14.
ANN với cấu trúc kết nối đầy đủ Xem tại trang 20 của tài liệu.
Hình 2.15.
Ví dụ ứng dụng tích chập Xem tại trang 21 của tài liệu.
Hình 2.16.
Các thành phần của lớp tích chập Xem tại trang 23 của tài liệu.
Hình 2.17.
Cách tính tham số của lớp tích chập. Như vậy sử dụng tích chập có những ưu điểm sau: Xem tại trang 24 của tài liệu.
Hình 2.18.
Cách tính tham số của lớp pooling Xem tại trang 25 của tài liệu.![Theo tài liệu [3], [4], [5], CNN có kiến trúc được hình thành từ các thành phần cơ - Hiểu biết môi trường xung quanh dùng mạng nơron tích chập](https://media.store123doc.com/figures/001/057/tai-lieu-kien-truc-hinh-thanh-thanh-phan-1057309.png)
heo.
tài liệu [3], [4], [5], CNN có kiến trúc được hình thành từ các thành phần cơ Xem tại trang 27 của tài liệu.
b.
ối cảnh khác nhau, ngoài tìm hình ảnh đòi hỏi chúng ta phải xác định ranh giới, sự khác biệt và mối quan hệ với nhau Xem tại trang 29 của tài liệu.
Hình 2.22.
So sánh các chỉ số của đường bao chứa đối tượng Xem tại trang 30 của tài liệu.
Hình 2.23.
Xác định vị trí đối tượng ở lớp fully connected Xem tại trang 30 của tài liệu.
Hình 2.26.
Fast RCNN Xem tại trang 33 của tài liệu.
Hình 2.28.
Huấn luyện mạng RPN Xem tại trang 35 của tài liệu.
Hình 2.29.
Sử dụng các cửa sổ trượt lên lớp tích chập Xem tại trang 36 của tài liệu.
Hình 2.30.
Anchor tại điểm ảnh (320, 320) Xem tại trang 38 của tài liệu.
Hình 2.31.
Vùng đề xuất Xem tại trang 41 của tài liệu.
Bảng 3.5.
Thông số của mạng Faster RCN N- VGG16 Xem tại trang 57 của tài liệu.
Hình 3.3.
Mô hình mạng VGG16 Xem tại trang 57 của tài liệu.
5.
chú thích cho mỗi hình ảnh Xem tại trang 58 của tài liệu.
Hình 3.5.
Các đối tượng chứa trong tập dữ liệu MS COCO Xem tại trang 59 của tài liệu.
Bảng 3.7.
Số lượng ảnh và dung lượng của tập dữ liệu MS COCO Xem tại trang 60 của tài liệu.
Hình 4.1.
Giao diện chương trình mô phỏng kỹ thuật CNN Xem tại trang 61 của tài liệu.
4.2.
Kết quả mô phỏng Xem tại trang 62 của tài liệu.
Hình 4.2.
Giao diện kết quả của chương trình mô phỏng kỹ thuật CNN Xem tại trang 62 của tài liệu.
Bảng 4.1.
Bảng kết quả mô phỏng sử dụng kỹ thuật CNN Xem tại trang 65 của tài liệu.
Bảng 4.4.
Đánh giá khả năng nhận dạng đối tượng. Xem tại trang 72 của tài liệu.Từ khóa liên quan
Tài liệu cùng người dùng
Tài liệu liên quan
