0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

使用深度學(xué)習(xí)和圖像處理技術(shù)復(fù)原和保存藝術(shù)品

MATLAB ? 來源:MATLAB ? 作者:MATLAB ? 2021-05-18 14:44 ? 次閱讀

Carola-Bibiane Sch?nlieb 在 2005 年開始攻讀數(shù)學(xué)博士學(xué)位,她的第一個項(xiàng)目是幫助復(fù)原維也納的一幅中世紀(jì)壁畫。 這幅壁畫一度隱藏在一間舊公寓的墻壁后,由于幾年前拆除墻壁造成的損壞,壁畫殘跡上布滿了斑斑駁駁的白點(diǎn)。 Sch?nlieb 的復(fù)原工作靠的不是顏料、溶劑或樹脂,而是算法。Sch?nlieb 說,“維也納大學(xué)的一些文物保護(hù)工作者已開始對它進(jìn)行物理復(fù)原。而我們則會以數(shù)字方式進(jìn)行復(fù)原?!?/p>

“MACH 計(jì)劃”集藝術(shù)史學(xué)家、文物保護(hù)工作者、古典學(xué)家和中世紀(jì)學(xué)家之所長,同時結(jié)合數(shù)學(xué)家的專業(yè)知識,旨在推進(jìn)文物復(fù)原和考古工作。

在對受損壁畫拍照后,Sch?nlieb 研究了一些算法,希望基于這些照片來填充壁畫中缺失、受損的部分,創(chuàng)建壁畫原貌的數(shù)字模型。 當(dāng)時,關(guān)于數(shù)學(xué)家和文物保護(hù)工作者合作復(fù)原藝術(shù)品的論文屈指可數(shù)。文物保護(hù)工作者和藝術(shù)史學(xué)家剛剛開始對文物進(jìn)行數(shù)字化存檔,在計(jì)算機(jī)上保存繪畫、手抄本和陶器的數(shù)字版本。

一幅中世紀(jì)壁畫的局部,一度位于維也納一座公寓墻后。圖片所有權(quán):MACH。 Sch?nlieb

現(xiàn)任劍橋大學(xué)的應(yīng)用數(shù)學(xué)教授,她使用圖像分析和處理來進(jìn)行藝術(shù)品復(fù)原和保護(hù)。當(dāng)前,她與其他數(shù)學(xué)家和人文專家合作開展數(shù)學(xué)在文化遺產(chǎn)中的應(yīng)用 (MACH) 計(jì)劃。該計(jì)劃集藝術(shù)史學(xué)家、文物保護(hù)工作者、考古學(xué)家和中世紀(jì)學(xué)家之所長,同時結(jié)合數(shù)學(xué)家的專業(yè)知識,旨在推進(jìn)文物復(fù)原和物質(zhì)文化研究。

MACH 團(tuán)隊(duì)當(dāng)前正在開展名為“揭秘隱形”的項(xiàng)目。他們使用 MATLAB 算法對古羅馬陶器編目,分析顏料截面以探索文物之間的新關(guān)聯(lián),并以數(shù)字方式復(fù)原因過于精美而無法物理復(fù)原的泥金手抄本。項(xiàng)目在這三個重點(diǎn)領(lǐng)域已醞釀多年。

復(fù)原泥金手抄本

MACH 始于 2013 年,當(dāng)時 Sch?nlieb 在學(xué)校進(jìn)行一場關(guān)于數(shù)字圖像復(fù)原的講座。劍橋菲茨威廉博物館的工作人員出席了這場講座,這是一家館藏涵蓋古今的藝術(shù)博物館。他們認(rèn)為 Sch?nlieb 的方法對他們手頭的工作很有幫助。 當(dāng)時,菲茨威廉博物館負(fù)責(zé)手抄本和刊本的管理員正致力于尋求非侵入性的手抄本復(fù)原方法,Sch?nlieb 的圖像復(fù)原講座讓她很受啟發(fā)。她找到 Sch?nlieb,提出開展合作。MACH 項(xiàng)目由此誕生。 面對受損的繪畫和工藝品時,文物保護(hù)工作者面臨兩難境地。 他們可以選擇重現(xiàn)文物原貌,但損壞本身也是文物歷史的見證。以中世紀(jì)的泥金手抄本為例,這類書籍是在羊皮紙上手寫而成,具有繪畫裝飾,經(jīng)常采用金銀等貴金屬。一些情況下,手抄本上的部分顏料可能經(jīng)刻意涂改,以消除持有者的標(biāo)記,或掩蓋冒犯性的圖畫。

“借助虛擬的數(shù)學(xué)手段,我們既能維持泥金手抄本的當(dāng)前面貌、保留歷史痕跡,又能獲得接近其本真原貌的復(fù)原版本。這一做法可謂兩全其美?!?—— Suzanne Reynolds,菲茨威廉博物館館長

“通過復(fù)原,我們能得到什么,又將失去什么?”菲茨威廉博物館手抄本和刊本館的管理員 Suzanne Reynolds 問道。Reynolds 是 MACH 團(tuán)隊(duì)的成員,主要負(fù)責(zé)中世紀(jì)泥金手抄本。

細(xì)節(jié)展示。

修復(fù)區(qū)域。

最終結(jié)果。 大面積損壞的手抄本成功得到數(shù)字化復(fù)原。圖片來源: 劍橋費(fèi)茨威廉博物館。

泥金手抄本的復(fù)原工作尤其困難。與其他形式的繪畫相比,泥金手抄本很少得到物理復(fù)原。這類復(fù)原是“揭秘隱形”項(xiàng)目的重要組成部分,為應(yīng)對其中的挑戰(zhàn),Sch?nlieb 與 Reynolds 合作,同時聯(lián)手劍橋應(yīng)用數(shù)學(xué)與理論物理系及菲茨威廉博物館助理研究員 Simone Parisotto,共同開發(fā)一款 App。 該 App 使用 MATLAB 開發(fā),服務(wù)于文物保護(hù)工作者,它使用圖像處理方法來識別手抄本的受損區(qū)域,并以虛擬方式重新構(gòu)造圖像。它依賴于“圖像修復(fù)”,該術(shù)語最初指以物理方式重新構(gòu)造一幅畫。在數(shù)學(xué)語境下,圖像修復(fù)意味著以數(shù)字方式復(fù)原圖像。 借助深度學(xué)習(xí)和偏微分方程,MACH 小組的程序可以填補(bǔ)受損手抄本的空白區(qū)域,并預(yù)測不同復(fù)原途徑的結(jié)果。用戶使用來自同一手抄本或相關(guān)手抄本的樣例(越多越好)訓(xùn)練算法,然后用算法重新構(gòu)造待復(fù)原圖像的缺失內(nèi)容。 Reynolds 說,“借助虛擬的數(shù)學(xué)手段,我們既能維持文物的當(dāng)前面貌、保留歷史痕跡,又能獲得接近其本真原貌的復(fù)原版本。這一做法可謂兩全其美?!?在復(fù)原的同時,數(shù)學(xué)方法不僅可以對文物進(jìn)行數(shù)字化存檔,還可以運(yùn)用人工智能讓存檔數(shù)據(jù)更好地服務(wù)于文物保護(hù)工作者、藝術(shù)史學(xué)家和考古學(xué)家。

古羅馬陶器分類

“揭秘隱形”第二大重點(diǎn)領(lǐng)域的構(gòu)思始于 2015 年,當(dāng)時,劍橋大學(xué)古典學(xué)系高級講師 Alessandro Launaro 向 Sch?nlieb 求教一個難題。 作為一名考古學(xué)家,Launaro 專注于古羅馬時期的研究,并一直在意大利西部發(fā)掘遺址。他在該遺址成功發(fā)掘出大量陶器,均為炊器等日用粗陶器,但接下來的任務(wù)相當(dāng)艱巨:他必須分析數(shù)千件陶器的形狀、口沿和底座。 “我面臨一個考古問題,即如何分析大量物證?!盠aunaro 說。對于那些形制較為精美的古羅馬陶器(細(xì)陶器),已經(jīng)有系統(tǒng)、全面的目錄可幫助考古學(xué)家進(jìn)行分析;但對于他要研究了解的日用粗陶器,這類資料還是一片空白。

“我們當(dāng)然可以找人逐一比對這些(陶器碎片的)形狀,但這太過繁重枯燥。人難免疲勞或者犯錯,難免會看漏一些東西。而算法不會感到勞累。” —— Carola-Bibiane Sch?nlieb,劍橋大學(xué)應(yīng)用數(shù)學(xué)教授

考古遺址出土的陶器中大部分都是粗陶器。但是,由于此類陶器形狀各異,出土器物數(shù)量龐大,要確定不同遺址的不同器型之間的關(guān)聯(lián),可謂一項(xiàng)挑戰(zhàn)。 Launaro 說,“與博物館里那些雕像、馬賽克鑲嵌畫或者繪有精美裝飾的陶器相比,作為日常器物的粗陶器更能反映古代人民的生活狀況?!比绻芙⒁粋€目錄來記錄這些器物以及它們之間的關(guān)聯(lián),將有助于我們進(jìn)一步了解古代文明的日常生活?!暗斯ず茈y實(shí)現(xiàn)這一點(diǎn)?!彼f。 Sch?nlieb 和 Parisotto 覺得有辦法幫助 Launaro 解決這一難題。Sch?nlieb 說,“我們當(dāng)然可以找人逐一比對這些形狀,但這太過繁重枯燥。人難免疲勞或者犯錯,難免會看漏一些東西。而算法不會感到勞累?!?Parisotto 和 Sch?nlieb 使用 MATLAB 來創(chuàng)建 Launaro 設(shè)想的這種目錄。2016 年,他們試行了一個系統(tǒng),該系統(tǒng)可將一件陶器的輪廓圖與數(shù)據(jù)庫中的類似圖像進(jìn)行匹配??脊艑W(xué)家根據(jù)輪廓形狀對古代陶器進(jìn)行分類,并認(rèn)為相似的形狀意味著年代和功能上的某些關(guān)聯(lián)。

13e98dcc-b4f2-11eb-bf61-12bb97331649.png

古代容器以形狀分類,而形狀以輪廓表示。相似的輪廓意味著某種關(guān)聯(lián)。圖片所有權(quán):MACH。

但該系統(tǒng)效果不佳。參考陶器圖像整理得并不是很好。團(tuán)隊(duì)需要回過頭來自行整理。Launaro 說,“這項(xiàng)工作涉及數(shù)以千計(jì)各不相同的陶器形狀,因此我們必須借助計(jì)算機(jī)的處理能力?!?為了充實(shí)和整理自己的陶器數(shù)據(jù)庫,該團(tuán)隊(duì)在其中添加了數(shù)以千計(jì)的粗陶器黑白輪廓圖像。到 2020 年底,累計(jì)添加約 6000 個陶器輪廓圖像。Parisotto 正在使用無監(jiān)督深度學(xué)習(xí)算法對存在關(guān)聯(lián)的陶器形狀進(jìn)行分組或聚類。該程序創(chuàng)建分層的樹狀圖,將陶器碎片分組,以更好地向考古學(xué)家揭示不同器型之間的關(guān)系。Parisotto 說,“其原理是從已有器物中提取相關(guān)特征,并找到不同特征之間的關(guān)聯(lián)。” 通過確定粗陶器型之間的關(guān)聯(lián),考古學(xué)家可以更好地在空間和時間層面梳理粗陶器的發(fā)展和分布脈絡(luò)。這些關(guān)聯(lián)可能提供有關(guān)貿(mào)易、定居模式或飲食習(xí)慣等方面重大發(fā)展的線索。MACH 小組仍在開發(fā)和測試該 App,Launaro 認(rèn)為,“最根本的理念是創(chuàng)建一個工具,幫助考古學(xué)家對其發(fā)掘和研究的遺址進(jìn)行更有效的解讀?!?

顏料色樣探源藝術(shù)創(chuàng)作

Kasia Targonska-Hadzibabic 是 MACH 團(tuán)隊(duì)的助理研究員,也是一位訓(xùn)練有序的物理學(xué)家,她正在從事“揭秘隱形”的一個子項(xiàng)目,其原理類似古羅馬陶器數(shù)據(jù)庫。Targonska-Hadzibabic 正與 Parisotto 合作,為顏料色樣截面的數(shù)字圖像建立一個平臺,以對它們進(jìn)行分類和比較。 在藝術(shù)保護(hù)中,研究一幅畫中的顏料色樣截面可以揭示藝術(shù)家的創(chuàng)作過程。“它可以告訴我們藝術(shù)家使用的技法、繪畫的過程等信息?!盩argonska-Hadzibabic 說。

MACH 團(tuán)隊(duì)還在創(chuàng)建一個系統(tǒng),它可以識別來自不同的繪畫、藝術(shù)家或時代的顏料色樣截面之間的聯(lián)系,解讀相似之中所包含的信息。

依傳統(tǒng)做法,文物保護(hù)工作者會收集這些截面,保存在樹脂中,并在顯微鏡下仔細(xì)觀察各個顏料層。放大觀察,樹脂包裹的顏料色樣就像彩色多層三明治。Targonska-Hadzibabic 有一位負(fù)責(zé)藝術(shù)保護(hù)的同事,他一直在對自己收集的顏料色樣截面進(jìn)行數(shù)字化存檔,想了解這些顏料色樣除了能反映特定藝術(shù)家的創(chuàng)作技法,還能揭示哪些信息。

從早期大師畫作中提取的顏料截面。圖片所有權(quán):MACH。

Targonska-Hadzibabic 與 Sch?nlieb 合作開發(fā)了一個系統(tǒng),可以識別來自不同繪畫、藝術(shù)家或時代的顏料色樣截面之間的聯(lián)系。截面中的各層不是均勻的,不僅顏色不同,紋理、混合方式和拍攝條件也不盡相同。 與古羅馬陶器項(xiàng)目一樣,該團(tuán)隊(duì)正在使用 MATLAB 中的機(jī)器學(xué)習(xí)方法,根據(jù)截面特征對一萬多幅數(shù)字圖像進(jìn)行分組,嘗試從中歸納有用信息。 根據(jù) Targonska-Hadzibabic 的說法,他們還不確定這些算法到底會揭示什么。“這是一個迭代過程,需要與文物保護(hù)工作者交流,找到那些從藝術(shù)史角度來說具有重要意義的相似性?!彼f。 他們希望這款 App 能為文物保護(hù)工作者提供便利,幫助他們比較源截面的層與數(shù)據(jù)庫中其他截面的類似色樣。Targonska-Hadzibabic 還在努力改進(jìn),讓使用 App 的文物保護(hù)工作者不僅能看到結(jié)果,還能根據(jù)需要輕松修改結(jié)果。

實(shí)用進(jìn)展

考古、藝術(shù)保護(hù)和藝術(shù)史領(lǐng)域?qū)<业姆答亴@些項(xiàng)目的進(jìn)展至關(guān)重要。Parisotto 說,“只有專家才能引導(dǎo)數(shù)據(jù)科學(xué)工作者始終沿著正確的道路開展工作。” MACH 項(xiàng)目在菲茨威廉博物館的合作者剛剛開始測試這些 App;最終目標(biāo)是讓所有學(xué)者和文物保護(hù)工作者共享這些資源,擴(kuò)充其現(xiàn)有工具箱。對 Launaro 來說,在粗陶器參考目錄的幫助下,他們可以更為細(xì)致地研究這一考古工作中一度為人忽視的領(lǐng)域。 據(jù) Reynolds 稱,MACH 的數(shù)字手抄本復(fù)原工具不僅可以幫助文物保護(hù)工作者,還為教學(xué)和公眾參與提供了新的資源。Reynolds 說,“我們期望它能為教學(xué)提供便利,因?yàn)橛脩艨梢垣@得最佳狀態(tài)的文物圖像?!痹摴ぞ哌€可以增加博物館的虛擬展品數(shù)量,向公眾同時展示真實(shí)文物及其數(shù)字“原件”。

在 MATLAB 中開發(fā)的 INpainting ilLUminated MINiatures App (INLUMINA)。圖片來源: 劍橋費(fèi)茨威廉博物館。

Targonska-Hadzibabic 認(rèn)為,借助可識別色樣關(guān)聯(lián)的顏料截面數(shù)據(jù)庫,專家能夠發(fā)現(xiàn)新的繪畫技法,并揭示畫家和畫作之間尚不為人知的關(guān)聯(lián)。 然而,這些工具都無法取代人文領(lǐng)域?qū)<业墓ぷ?。Launaro 說:“我們始終需要人來進(jìn)行某些解讀性質(zhì)的工作。不過,也有相當(dāng)一部分工作能由計(jì)算機(jī)完成,可以使我們的工作更為輕松、直接?!?br />
標(biāo)題圖片來源: 劍橋費(fèi)茨威廉博物館。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 圖像處理
    +關(guān)注

    關(guān)注

    27

    文章

    1272

    瀏覽量

    56509
  • 數(shù)字化
    +關(guān)注

    關(guān)注

    8

    文章

    8449

    瀏覽量

    61537
  • 深度學(xué)習(xí)
    +關(guān)注

    關(guān)注

    73

    文章

    5440

    瀏覽量

    120798

原文標(biāo)題:人工智能×古代文物:使用深度學(xué)習(xí)和圖像處理技術(shù)復(fù)原和保存藝術(shù)品

文章出處:【微信號:MATLAB,微信公眾號:MATLAB】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。

收藏 人收藏

    評論

    相關(guān)推薦

    FPGA做深度學(xué)習(xí)能走多遠(yuǎn)?

    中的性能和效率。同時,也可能會出現(xiàn)一些新的基于 FPGA 的深度學(xué)習(xí)算法創(chuàng)新,拓展其應(yīng)用領(lǐng)域。 ? 應(yīng)用領(lǐng)域的拓展:除了在圖像識別、語音處理、自動駕駛等領(lǐng)域的應(yīng)用,F(xiàn)PGA 在
    發(fā)表于 09-27 20:53

    利用Matlab函數(shù)實(shí)現(xiàn)深度學(xué)習(xí)算法

    在Matlab中實(shí)現(xiàn)深度學(xué)習(xí)算法是一個復(fù)雜但強(qiáng)大的過程,可以應(yīng)用于各種領(lǐng)域,如圖像識別、自然語言處理、時間序列預(yù)測等。這里,我將概述一個基本的流程,包括環(huán)境設(shè)置、數(shù)據(jù)準(zhǔn)備、模型設(shè)計(jì)、訓(xùn)
    的頭像 發(fā)表于 07-14 14:21 ?1578次閱讀

    基于Python的深度學(xué)習(xí)人臉識別方法

    基于Python的深度學(xué)習(xí)人臉識別方法是一個涉及多個技術(shù)領(lǐng)域的復(fù)雜話題,包括計(jì)算機(jī)視覺、深度學(xué)習(xí)、以及
    的頭像 發(fā)表于 07-14 11:52 ?1062次閱讀

    深度學(xué)習(xí)中反卷積的原理和應(yīng)用

    深度學(xué)習(xí)的廣闊領(lǐng)域中,反卷積(Deconvolution,也稱作Transposed Convolution)作為一種重要的圖像上采樣技術(shù),扮演著至關(guān)重要的角色。特別是在計(jì)算機(jī)視覺任
    的頭像 發(fā)表于 07-14 10:22 ?1039次閱讀

    深度學(xué)習(xí)中的無監(jiān)督學(xué)習(xí)方法綜述

    深度學(xué)習(xí)作為機(jī)器學(xué)習(xí)領(lǐng)域的一個重要分支,近年來在多個領(lǐng)域取得了顯著的成果,特別是在圖像識別、語音識別、自然語言處理等領(lǐng)域。然而,
    的頭像 發(fā)表于 07-09 10:50 ?291次閱讀

    深度學(xué)習(xí)在視覺檢測中的應(yīng)用

    能力,還使得機(jī)器能夠模仿人類的某些智能行為,如識別文字、圖像和聲音等。深度學(xué)習(xí)的引入,極大地推動了人工智能技術(shù)的發(fā)展,特別是在圖像識別、自然
    的頭像 發(fā)表于 07-08 10:27 ?505次閱讀

    基于深度學(xué)習(xí)的小目標(biāo)檢測

    在計(jì)算機(jī)視覺領(lǐng)域,目標(biāo)檢測一直是研究的熱點(diǎn)和難點(diǎn)之一。特別是在小目標(biāo)檢測方面,由于小目標(biāo)在圖像中所占比例小、特征不明顯,使得檢測難度顯著增加。隨著深度學(xué)習(xí)技術(shù)的快速發(fā)展,尤其是卷積神經(jīng)
    的頭像 發(fā)表于 07-04 17:25 ?634次閱讀

    深度學(xué)習(xí)的基本原理與核心算法

    隨著大數(shù)據(jù)時代的到來,傳統(tǒng)機(jī)器學(xué)習(xí)方法在處理復(fù)雜模式上的局限性日益凸顯。深度學(xué)習(xí)(Deep Learning)作為一種新興的人工智能技術(shù),以
    的頭像 發(fā)表于 07-04 11:44 ?1342次閱讀

    深度學(xué)習(xí)與卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用

    隨著人工智能技術(shù)的飛速發(fā)展,深度學(xué)習(xí)和卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network, CNN)作為其中的重要分支,已經(jīng)在多個領(lǐng)域取得了顯著的應(yīng)用成果。從圖像
    的頭像 發(fā)表于 07-02 18:19 ?675次閱讀

    基于TOF深度相機(jī)的圖像處理專利獲授權(quán)

    該專利主要涉及圖像處理技術(shù)領(lǐng)域,特別是針對基于TOF深度相機(jī)的圖像處理方法和存儲媒介進(jìn)行了深入研
    的頭像 發(fā)表于 04-15 10:04 ?345次閱讀
    基于TOF<b class='flag-5'>深度</b>相機(jī)的<b class='flag-5'>圖像</b><b class='flag-5'>處理</b>專利獲授權(quán)

    性能小鋼炮,美學(xué)藝術(shù)品!佰維PD2000移動固態(tài)硬盤新品即將上市

    存儲價格也讓人望而卻步。 真的沒有解決辦法了嗎?當(dāng)然有!移動固態(tài)硬盤就是“標(biāo)準(zhǔn)答案”。 美學(xué)藝術(shù)品,顏色多面手 別急,最近國產(chǎn)存儲品牌佰維存儲即將推出一款兼具便攜性、高性能、大容量的高顏值移動固態(tài)硬盤---PD2000。哦不,應(yīng)該
    的頭像 發(fā)表于 03-29 12:24 ?248次閱讀
    性能小鋼炮,美學(xué)<b class='flag-5'>藝術(shù)品</b>!佰維PD2000移動固態(tài)硬盤新品即將上市

    什么是OpenAI Sora?最佳OpenAI Sora替代推薦

    NightCafe Creator是一款A(yù)I藝術(shù)生成器應(yīng)用程序,可以讓用戶使用各種技術(shù)(如神經(jīng)風(fēng)格轉(zhuǎn)換和文本到圖像AI)創(chuàng)建令人驚嘆的AI生成藝術(shù)品。
    的頭像 發(fā)表于 02-22 11:22 ?1236次閱讀

    技術(shù)科普】主流的深度學(xué)習(xí)模型有哪些?AI開發(fā)工程師必備!

    接近于人工智能。它通過學(xué)習(xí)樣本數(shù)據(jù)的內(nèi)在規(guī)律和表示層次,對文字、圖像和聲音等數(shù)據(jù)進(jìn)行解釋。深度學(xué)習(xí)的目標(biāo)是讓機(jī)器像人一樣具有分析學(xué)習(xí)能力,能
    的頭像 發(fā)表于 01-30 15:26 ?542次閱讀
    【<b class='flag-5'>技術(shù)</b>科普】主流的<b class='flag-5'>深度</b><b class='flag-5'>學(xué)習(xí)</b>模型有哪些?AI開發(fā)工程師必備!

    詳解深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用

    在如今的網(wǎng)絡(luò)時代,錯綜復(fù)雜的大數(shù)據(jù)和網(wǎng)絡(luò)環(huán)境,讓傳統(tǒng)信息處理理論、人工智能與人工神經(jīng)網(wǎng)絡(luò)都面臨巨大的挑戰(zhàn)。近些年,深度學(xué)習(xí)逐漸走進(jìn)人們的視線,通過深度
    的頭像 發(fā)表于 01-11 10:51 ?1758次閱讀
    詳解<b class='flag-5'>深度</b><b class='flag-5'>學(xué)習(xí)</b>、神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用

    深度學(xué)習(xí)技術(shù)與邊緣學(xué)習(xí)技術(shù)的不同之處

    如今,AI技術(shù)的廣泛應(yīng)用已經(jīng)成為推動制造和物流領(lǐng)域自動化的核心驅(qū)動力??的鸵曀瞥龅?b class='flag-5'>深度學(xué)習(xí)和邊緣學(xué)習(xí)技術(shù),這兩種基于AI的
    的頭像 發(fā)表于 11-17 10:44 ?517次閱讀