本研究针对聋哑人群在数字通信平台中的实时手语识别难题，提出了一种融合YOLOv8目标检测框架与InceptionV3卷积神经网络的特征提取模块的混合模型。通过构建包含34类手势的定制化数据集并采用Roboflow平台进行精细标注，该模型在mAP50达到99.5%、推理时间仅4.6毫秒 ...

本研究针对脑肿瘤MRI图像分类准确率不足的临床难题，创新性地提出集成InceptionV3和Xception的XL-TL模型。通过18,280例MRI数据增强 ...

摘要：本文基于计算机视觉技术和深度学习的方法对目标火点进行检测。本模型采用数据增强，增加数据噪点等方法，增强数据集的丰富度并提高了模型的泛化能力。通过全局平均池化对InceptionV3模型的输入层进行优化，并采用Dropout方式对模型的抗过拟合能力 ...

checkpoint 保存最新的checkpoint文件的记录 model01.ckpt.index 保存的是变量的key和value的对应索引 model01.ckpt.meta 保存完整的网络图 ...

在上一篇 使用888的HTP推理inceptionV3 中，我们测试了inceptionv3在888芯片手机上的CPU、GPU、HTP上的推理，结果显示HTP的推理速度是GPU的7倍多。除了速度快之外，HTP还有一大优势就是功耗低，这点对于手机应用也非常重要。 下面我将简单介绍如何在APP中通过SNPE API ...

SNPE 是神经网络在骁龙平台上推理的开发套件，方便开发者在使用高通芯片的设备上加速AI应用。 无论是芯片制造商的发布会还是各大厂商的手机发布会，AI能力一直是大家谈论的焦点。 骁龙888采用了新一代的Hexagon 780架构Hexagon Tensor Processer(HTP），算力从865的 ...

+ 在Inception卷积神经网络的瓶颈层后设计适用于本项目的网络结构，成为my_mode + 冻结预训练模型的所有层，变为不可训练，便于正确获得瓶颈层输出的特征，自己添加的层需要训练。相当于把InceptionV3变为一个特征提取器 + 编译、训练、保存 + **预测**：读取需 ...

为什么CNN模型战胜了传统的计算机视觉方法？ 图像分类指的是给定一个图片将其分类成预先定义好的几个类别之一。图像分类的传统流程涉及两个模块： 特征提取和 分类。 特征提取指的是从原始像素点中提取更高级的特征，这些特征能捕捉到各个类别间的区别。