中文 英语

标签:计算机视觉

用于鲁棒和数据高效的深度监督学习的多专家对抗正则化
通过三星- 2022年11月16日-评论:0

深度神经网络(DNNs)在训练数据丰富且分布与测试数据相同的情况下可以达到较高的精度。在实际应用中，数据不足常常是一个问题。对于分类任务，训练集中缺乏足够的标记图像往往会导致过拟合。另一个问题是训练和测试域之间的不匹配，这导致…»阅读更多

人工智能提供视觉处理器，图像传感器Boom
通过苏珊兰博- 2022年11月3日-评论:0

在图像传感器和新型传感器的巨大改进的推动下，视觉系统正在迅速普及。虽然传感器本身通常使用成熟节点硅开发，但它越来越多地连接到在最先进的工艺节点上开发的视觉处理器。这可以实现每瓦最高的性能，而且还可以在设计中加入AI加速……»阅读更多

PCB x射线检测公开数据集(FICS-佛罗里达大学)
通过技术文件链接- 2022年7月19日-意见:0

佛罗里达大学佛罗里达网络安全研究所(FICS)的研究人员发表了一篇题为“FICS PCB x射线:自动印刷电路板层间检测的数据集”的技术论文。摘要:多年来，计算机视觉和机器学习的突破为印刷电路自动x射线检测(AXI)铺平了道路。»阅读更多

利用量子DL发现晶圆缺陷
通过技术文件链接- 2022年6月13日-评论:0

国立清华大学的研究人员发表了题为“混合经典-量子深度学习的半导体缺陷检测”的新研究论文。“随着人工智能和自动驾驶技术的快速发展，半导体的需求预计将大幅上升。然而，半导体制造业的大规模扩张和发展…»阅读更多

工业检验中的深度学习
通过埃德·斯珀林- 2022年5月24日-意见:0

深度学习是人工智能复杂性的高端，通过筛选更多数据来获得更准确的结果。CyberOptics的研发副总裁Charlie Zhu谈到了如何利用DL与检测一起识别传统计算机视觉算法无法识别的芯片缺陷，从多个角度同时对多个物体进行分类，并考虑到…»阅读更多

自动驾驶目标检测与轨迹预测的数据融合方案
通过技术文件链接- 2022年5月23日-意见:0

Uber的研究人员发表了一篇题为“传感器数据的多视图融合，以改善自动驾驶中的感知和预测”的新研究论文。“我们提出了一种利用激光雷达返回的多视图表示的目标检测和轨迹预测的端到端方法。我们的方法建立在最先进的鸟瞰(BEV)网络上，该网络融合了体素化特征……»阅读更多

面向ADAS实时部署的多任务网络剪枝与嵌入式优化
通过技术文件链接- 2022年2月15日-评论:0

摘要:“基于摄像头的深度学习算法越来越多地用于自动驾驶系统的感知。然而，来自汽车行业的限制，通过将有限的计算资源强加于嵌入式系统，挑战了cnn的部署。在本文中，我们提出了一种将多任务CNN网络嵌入到商业样机上的方法。»阅读更多

传感器数据的多视图融合以改善自动驾驶中的感知和预测
通过技术文件链接- 2022年1月11日-意见:0

“我们提出了一种利用激光雷达返回的多视图表示的目标检测和轨迹预测的端到端方法。我们的方法建立在最先进的鸟瞰(BEV)网络上，该网络融合了一系列历史激光雷达数据的体素化特征以及栅格化高清地图，以执行检测和预测任务。我们扩展了BEV网络…»阅读更多

为什么Wafer bump突然变得如此重要
通过安妮Meixner- 2021年8月10日-评论

晶圆凸点的高度需要一致，以方便后续的制造步骤，但在关键任务市场中，对包装进行100%检测的推动，给现有的测量技术带来了压力。凹凸共面性本质上是平面度的度量。具体来说，它可以测量凹凸高度的变化，例如，可能有一个大约100微米的目标。作为……»阅读更多

这是人工智能的永恒之泉
通过罗摩Chellappa- 2020年7月14日-意见:0

人工智能(AI)领域经历了许多起起伏伏，这主要是由于包括研究人员、赞助商、开发人员甚至消费者在内的所有参与者所产生的不切实际的期望。人工智能的“重新出现”与传感器、宏微观计算、通信网络和程序等支持技术和领域的最新发展有很大关系。»阅读更多

←老帖子

  • 赞助商

关于

导航

与我们联系

版权所有©2013-2023 SMG |服务条款|隐私政策
Baidu