一種新型電子紋身可貼在嬰兒胸前，實(shí)時(shí)監(jiān)控嬰兒的身體特征參數(shù)，此外，電子紋身還可適用于運(yùn)動(dòng)員、士兵等人群。據(jù)國(guó)外媒體報(bào)道，嬰兒可以在身體上貼著電子紋身，這是一種集成電路，不足一張郵票大小，貼在嬰兒胸部。它能夠監(jiān)控嬰兒的身體特征參數(shù)：心電圖、體力活動(dòng)、營(yíng)養(yǎng)狀況、睡眠持續(xù)時(shí)間、呼吸頻率、體溫和水合作用。
2014-03-13 09:28:16
2037 `這個(gè)封裝明顯有點(diǎn)大，想調(diào)整一下尺寸，和封裝相匹配，該怎么調(diào)整呢`
2018-04-02 15:06:53
現(xiàn)在說(shuō)AI是未來(lái)人類(lèi)技術(shù)進(jìn)步的一大方向，相信大家都不會(huì)反對(duì)。說(shuō)到AI和芯片技術(shù)的關(guān)系，我覺(jué)得主要體現(xiàn)在兩個(gè)方面：第一，AI的發(fā)展要求芯片技術(shù)不斷進(jìn)步；第二，AI可以幫助芯片技術(shù)向前發(fā)展。
2019-08-12 06:38:51
、技術(shù)等手段告知和保證用戶(hù)的數(shù)據(jù)和隱私安全，盡量做到獲取和利用數(shù)據(jù)與安全的平衡。而提到平衡，我們不得不提及蘋(píng)果。
業(yè)內(nèi)知道，蘋(píng)果在AI 領(lǐng)域的研究進(jìn)程要晚于競(jìng)爭(zhēng)對(duì)手，根本原因就是他們不想像谷歌
2017-08-10 09:18:44
的呼叫中心通常需要雇傭大量的客服人員，不僅成本高昂，而且受到人為因素的限制，相比之下，AI智能呼叫中心運(yùn)營(yíng)成本低，而且工作效率更高，為用戶(hù)提供快速、準(zhǔn)確的解決方案，大大減少了人力資源的需求，還可以根據(jù)
2023-09-20 17:53:17
匹配：系統(tǒng)將提取出來(lái)的特征向量與產(chǎn)品樣本庫(kù)進(jìn)行比對(duì)匹配，以判斷產(chǎn)品是否符合標(biāo)準(zhǔn)要求。
5.結(jié)果輸出：系統(tǒng)通過(guò)顯示屏、語(yǔ)音提醒等方式輸出檢測(cè)結(jié)果和信息，提供給工人或流程控制系統(tǒng)進(jìn)行調(diào)整。
三、AI視覺(jué)
2023-06-15 16:21:56
特征點(diǎn)（角）檢測(cè)與匹配，forstner corner detection
2020-05-06 13:18:34
第12章 用戶(hù)界面與其它重要屬性
2020-05-25 09:46:20
傳感器工藝需求：肌肉骨骼疾病患者只需要在家中備有運(yùn)動(dòng)傳感器，然后連接到身體的適當(dāng)位置，并結(jié)合AI驅(qū)動(dòng)的用戶(hù)界面，平臺(tái)便可以獲取運(yùn)動(dòng)數(shù)據(jù)并提供即時(shí)反饋，請(qǐng)教老師目前哪些傳感器技術(shù)方便實(shí)現(xiàn)。
2020-03-09 13:17:30
傳感器工藝需求：肌肉骨骼疾病患者只需要在家中備有運(yùn)動(dòng)傳感器，然后連接到身體的適當(dāng)位置，并結(jié)合AI驅(qū)動(dòng)的用戶(hù)界面，平臺(tái)便可以獲取運(yùn)動(dòng)數(shù)據(jù)并提供即時(shí)反饋，請(qǐng)教老師目前哪些傳感器技術(shù)方便實(shí)現(xiàn)。
2020-03-07 12:47:05
ARM的技術(shù)特征是什么？應(yīng)用場(chǎng)景有哪些？
2021-11-05 07:32:17
測(cè)解決方案，基于Firefly高性能開(kāi)源主板，使用機(jī)器視覺(jué)和深度神經(jīng)網(wǎng)絡(luò)技術(shù)，對(duì)攝像頭前方的人體關(guān)鍵特征點(diǎn)，包括身體骨骼關(guān)鍵特征點(diǎn)、手指關(guān)鍵點(diǎn)，進(jìn)行檢測(cè)、定位，使工作機(jī)器精確感知環(huán)境中人體關(guān)鍵點(diǎn)的位置
2022-04-01 15:55:16
識(shí)別技術(shù)?；靖拍钌?b class="flag-6" style="color: red">特征識(shí)別（又叫生物認(rèn)證）：通過(guò)計(jì)算機(jī)與光學(xué)、聲學(xué)、生物傳感器和生物統(tǒng)計(jì)學(xué)原理等高科技手段密切結(jié)合，利用人體固有的生理特性（如指紋、面容、虹膜等）和行為特征（如筆跡、聲音、步態(tài)等
2020-09-23 14:34:09
用戶(hù)可選刻度（據(jù)我了解，單位“g”指的是測(cè)量的靈敏度）。我想知道為了獲得良好的系統(tǒng)性能，我應(yīng)該選擇前面提到的量表中的適當(dāng)靈敏度值是多少？換句話(huà)說(shuō)，如何知道與所需應(yīng)用相匹配的正確值？
2022-12-29 09:13:38
LTE的主要技術(shù)特征是什么？LTE的技術(shù)優(yōu)勢(shì)是什么？
2021-05-26 06:13:34
什么是LoRa技術(shù)？ LoRa技術(shù)與其他無(wú)線(xiàn)技術(shù)對(duì)比LoRa 是LPWAN通信技術(shù)中的一種，是美國(guó)Semtech公司采用和推廣的一種基于擴(kuò)頻技術(shù)的超遠(yuǎn)距離無(wú)線(xiàn)傳輸方案。這一方案改變了以往關(guān)于傳輸距離
2021-07-27 07:44:20
端接電阻大于傳輸線(xiàn)的特征阻抗，那么諧振峰值等于端接電阻?？怪C振最小值被定義為： 利用前面端接電阻分別是24.9Ω和210Ω的仿真模型可以顯示這些關(guān)系，圖2中端接電阻是匹配的?！ D2:傳輸線(xiàn)未端接終端
2018-09-19 15:44:19
RAID 技術(shù)相信大家都有接觸過(guò)，尤其是服務(wù)器運(yùn)維人員，RAID 概念很多，有時(shí)候會(huì)概念混淆。這篇文章為網(wǎng)絡(luò)轉(zhuǎn)載，寫(xiě)得相當(dāng)不錯(cuò)，它對(duì) RAID 技術(shù)的概念特征、基本原理、關(guān)鍵技術(shù)、各種等級(jí)和發(fā)展
2021-07-27 07:25:30
我想知道Spartan 6 PLL輸出的同相匹配程度如何。示例：25MHz源時(shí)鐘，PLL輸出為150MHz和75MHz，兩者都在結(jié)構(gòu)中全局使用。相位偏移設(shè)置均為“0”。當(dāng)在150MHz域中
2019-05-24 09:26:34
Zigbee技術(shù)的特點(diǎn)是什么？有哪些應(yīng)用？Zigbee技術(shù)與其他幾種無(wú)線(xiàn)通信技術(shù)的比較分析
2021-05-28 07:06:36
我是labview2012版本，相匹配的visa驅(qū)動(dòng)是哪個(gè)呢？另外NI官網(wǎng)上最新版本的visa14.01能兼容嗎？
2015-07-31 15:17:41
1.AI概論：（Part-A）與AI智慧交流簡(jiǎn)介：AI學(xué)習(xí)：電腦+AI（讓電腦擁有學(xué)習(xí)能力）基礎(chǔ)框架搭建；如何建立人機(jī)界面---基于Excel+Python；觀察事物，提取特征；如何把特征傳遞
2020-11-05 17:55:48
人機(jī)界面---基于Excel+Python任務(wù)三：觀察事物，提取特征任務(wù)四：如何把特征傳遞給AI---邁入機(jī)器學(xué)習(xí)任務(wù)五：傳遞你觀察到的新特征任務(wù)六：觀察特征的更多（新的組合）任務(wù)七：觀察更多食物和特征任務(wù)八：創(chuàng)作你自己的AI模型
2020-10-30 14:04:04
任務(wù)九：讓AI自動(dòng)提取特征目標(biāo)： ? 在前面各任務(wù)里，已經(jīng)引導(dǎo)AI自我學(xué)習(xí)，能夠基于人們所給予的特征值而進(jìn)行分類(lèi)了。? 其中，是由人們?nèi)ビ^察而萃取特征的，然后才遞交給AI去分類(lèi)，這通稱(chēng)為：人工提取
2020-10-30 14:17:13
項(xiàng)目名稱(chēng)：運(yùn)動(dòng)身體姿態(tài)分析試用計(jì)劃：項(xiàng)目計(jì)劃通過(guò)攝像頭或傳感器捕獲人體在運(yùn)動(dòng)器械中運(yùn)動(dòng)中的姿態(tài)，通過(guò)AI分析身體狀態(tài)，時(shí)時(shí)對(duì)運(yùn)動(dòng)器械做出相應(yīng)的調(diào)整，對(duì)無(wú)器械運(yùn)動(dòng)對(duì)形體的分析，給出矯正方案預(yù)計(jì)成果捕捉人體的姿態(tài)
2020-11-19 20:48:03
的身份驗(yàn)證的技術(shù)手段。人體特征的鑒別方法有很多種。在所有生物特征中，指紋相對(duì)穩(wěn)定但錄取指紋不是非侵犯性的。臉像特征具有很多優(yōu)點(diǎn)（如主動(dòng)性、非侵犯性和用戶(hù)友好等），但臉像隨年齡而變化，而且容易被偽裝。聲音特征
2009-11-28 11:53:04
是在信號(hào)源端阻抗低于傳輸線(xiàn)特征阻抗的條件下，在信號(hào)的源端和傳輸線(xiàn)之間串接一個(gè)電阻R，使源端的輸出阻抗與傳輸線(xiàn)的特征阻抗相匹配，抑制從負(fù)載端反射回來(lái)的信號(hào)發(fā)生再次反射.串聯(lián)終端匹配后的信號(hào)傳輸具有以下特點(diǎn)
2017-07-12 17:33:10
使運(yùn)算放大器的噪聲性能與ADC相匹配在混合信號(hào)應(yīng)用中，正確地選擇驅(qū)動(dòng)模數(shù)轉(zhuǎn)換器 (ADC) 的運(yùn)算放大器至關(guān)重要。設(shè)計(jì)人員必須要對(duì)一些問(wèn)題進(jìn)行權(quán)衡，例如：放大器噪聲、帶寬、設(shè)置時(shí)間、ADC 信噪比
2009-11-21 14:32:53
傳輸線(xiàn)匹配和阻抗共軛匹配矛盾嗎？如果傳輸線(xiàn)的特征阻抗為復(fù)數(shù)，那么為了實(shí)現(xiàn)傳輸線(xiàn)和負(fù)載的匹配（相等），就需要把負(fù)載通過(guò)一個(gè)匹配網(wǎng)絡(luò)裝換成傳輸線(xiàn)特征阻抗，這樣的匹配就不是共軛匹配了。我想問(wèn)，會(huì)有這種情況存在嗎？還是說(shuō)特征阻抗一般都是實(shí)數(shù)，所以不會(huì)存在這種情況。如果存在的話(huà)，怎么做匹配呢？
2012-11-13 21:36:47
各種型號(hào)電池與其它配件的匹配參數(shù) 對(duì)照表，很直觀！[hide][/hide]
2009-12-10 17:24:47
基于P2P流量檢測(cè)的簽名特征匹配研究
2012-08-06 12:21:57
如何利用周易AIPU來(lái)進(jìn)行AI應(yīng)用的部署開(kāi)發(fā)？
2021-12-29 07:43:54
伴隨著信息產(chǎn)業(yè)的快速發(fā)展，人們對(duì)網(wǎng)絡(luò)安全的需求也與日俱增。網(wǎng)絡(luò)安全需要依靠硬件平臺(tái)與高質(zhì)量軟件相結(jié)合來(lái)實(shí)現(xiàn)，其中硬件平臺(tái)是軟件的物理載體和外在表現(xiàn)。如何選擇與高質(zhì)量軟件相匹配的硬件平臺(tái)，將會(huì)直接影響網(wǎng)絡(luò)安全產(chǎn)品的可靠性和最終產(chǎn)品的市場(chǎng)定位。
2019-09-24 06:45:37
研討會(huì)的專(zhuān)場(chǎng)，精彩內(nèi)容不容錯(cuò)過(guò)！主題：AI-IoT技術(shù)研討會(huì)地點(diǎn)：新云南皇冠假日酒店現(xiàn)場(chǎng)照片為你送上人工智能（AI）和物聯(lián)網(wǎng)（IoT），兩者結(jié)合起來(lái)后，會(huì)擦出什么樣的火花？相信大家都知道京東配送
2018-07-19 14:57:53
是很簡(jiǎn)單的器件，僅限于完成單一任務(wù)，即收集指紋數(shù)據(jù)，然后主芯片中運(yùn)行的軟件利用這些指紋數(shù)據(jù)驗(yàn)證用戶(hù)身份。 軟件執(zhí)行的功能包括：識(shí)別指紋特征、建立安全的生物識(shí)別資源(指紋模板)、存儲(chǔ)指紋模板，以及對(duì)最新建
2018-11-08 15:28:54
，除去被皮膚、肌肉、血液等吸收外，剩下部分的光線(xiàn)透射被光敏接收器感知，通過(guò)測(cè)量血管里的血液體積隨心臟泵血的變化，血液體積的周期性變化構(gòu)成了一切利用PPG信號(hào)來(lái)進(jìn)行心率估計(jì)的基礎(chǔ)，通過(guò)計(jì)算相鄰周期內(nèi)特征點(diǎn)間
2018-09-07 15:09:44
一段作為模板2，計(jì)算波形與模板的差的平方和，當(dāng)值最小時(shí)，即找到與模板特征匹配的起點(diǎn)索引3，計(jì)算波形與模板的差的平方和的值，產(chǎn)生如下波形，取出波谷所在索引即為所有匹配到的位置以下是代碼實(shí)現(xiàn)演示附上源碼`
2019-03-04 13:36:21
物質(zhì)特征加密技術(shù)的原理是在標(biāo)簽的制造過(guò)程中，提取每個(gè)商品（或票據(jù)）標(biāo)簽材料本身隱性纖維的分布特征信息，結(jié)合商品的相關(guān)信息以及制造商獨(dú)自擁有的加密密鑰（私鑰），采用高強(qiáng)度加密算法與算法芯片，進(jìn)行密碼運(yùn)算，生成與其惟一對(duì)應(yīng)的“密文”（該密文相當(dāng)于該標(biāo)簽的數(shù)字身份證）存放于標(biāo)簽中，形成獨(dú)一無(wú)二的標(biāo)簽。
2019-10-08 14:29:29
視頻轉(zhuǎn)碼技術(shù)與系統(tǒng)要求相匹配，不看肯定后悔
2021-06-08 06:49:40
，必須注意阻抗匹配的問(wèn)題。導(dǎo)線(xiàn)延時(shí)一般取值為150ps/inch。特征阻抗信號(hào)沿傳輸線(xiàn)傳播過(guò)程當(dāng)中，如果傳輸線(xiàn)上各處具有一致的信號(hào)傳播速度，并且單位長(zhǎng)度上的電容也一樣，那么信號(hào)在傳播過(guò)程中總是看到完全一致
2014-12-01 10:38:55
， 利用簡(jiǎn)單的固定匹配電路能將天線(xiàn)的阻抗匹配為50 Ω，借此提高輸入天線(xiàn)功率的輻射?！ I(yè)界如今有兩種截然不同的天線(xiàn)調(diào)諧方法： 可調(diào)式阻抗匹配調(diào)諧Tunable Impedance Matching
2018-11-07 10:40:37
如果信號(hào)的上升/下降時(shí)間(按10%～90%計(jì))小于6倍導(dǎo)線(xiàn)延時(shí)，就是高速信號(hào)，必須注意阻抗匹配的問(wèn)題。導(dǎo)線(xiàn)延時(shí)一般取值為150ps/inch。特征阻抗信號(hào)沿傳輸線(xiàn)傳播過(guò)程當(dāng)中，如果傳輸線(xiàn)上各處具有一致
2019-06-19 02:34:01
摘要： 近日，阿里云重磅推出視頻點(diǎn)播新功能——視頻AI ，基于深度學(xué)習(xí)、計(jì)算機(jī)視覺(jué)技術(shù)和海量數(shù)據(jù)，為廣大用戶(hù)提供多場(chǎng)景的視頻AI服務(wù)。近日，阿里云重磅推出視頻點(diǎn)播新功能——視頻AI，基于深度學(xué)習(xí)
2018-01-23 15:19:23
的條件下，在信號(hào)的源端和傳輸線(xiàn)之間串接一個(gè)電阻R，使源端的輸出阻抗與傳輸線(xiàn)的特征阻抗相匹配，抑制從負(fù)載端反射回來(lái)的信號(hào)發(fā)生再次反射.串聯(lián)終端匹配后的信號(hào)傳輸具有以下特點(diǎn)： A由于串聯(lián)匹配電阻的作用
2019-05-29 07:03:30
提出一種基于SIFT的三視圖像特征匹配算法。采用SIFT算法對(duì)三視圖像進(jìn)行特征匹配，引入計(jì)算機(jī)視覺(jué)中的三線(xiàn)性關(guān)系和基于三焦張量的像素轉(zhuǎn)移誤差計(jì)算方法，對(duì)SIFT算法的匹配結(jié)果
2009-04-18 09:49:48
24 以電視跟蹤為應(yīng)用背景，對(duì)圖像相關(guān)匹配算法進(jìn)行了研究。并以特征像素統(tǒng)計(jì)為基本手段，提出了基于MCD 距離相關(guān)匹配法的改進(jìn)算法，降低了匹配計(jì)算量，改善了跟蹤實(shí)時(shí)性。由
2009-08-07 09:51:5614 為了克服傳統(tǒng)的局部特征匹配算法對(duì)噪聲和圖像灰度非線(xiàn)性變換敏感的不足，提出了基于SIFT（Scale Invariant Feature Transform）描述算子的特征匹配算法。該算法首先采用類(lèi)似Harris
2009-12-07 11:03:3029
本文提出一種特征點(diǎn)與模板匹配相結(jié)合的圖像拼接方法,先對(duì)相鄰兩幅圖像利用Harris算子提取特征點(diǎn),然后根據(jù)特征點(diǎn)的位置確定模板的大小和位置,大大減小了圖像拼接的計(jì)算量,
2010-02-21 14:38:1438 視頻轉(zhuǎn)碼技術(shù)與系統(tǒng)要求相匹配
音視頻轉(zhuǎn)碼曾被視為一種直接的、傳統(tǒng)的處理過(guò)程，可將源視頻編碼，生成略差于原始未壓縮內(nèi)容的版本，然后將其重新解碼為傳輸
2010-02-05 09:24:082350 
特征點(diǎn)匹配是計(jì)算機(jī)視覺(jué)中的關(guān)鍵步驟，在很多領(lǐng)域中都有著的重要應(yīng)用。通過(guò)對(duì)當(dāng)前圖像特征點(diǎn)匹配方法的研究，提取一種基于特征點(diǎn)的灰度量和幾何特征量相結(jié)合的匹配方法。該方
2011-05-19 17:20:170 針對(duì)目標(biāo)跟蹤中的特征提取和匹配問(wèn)題進(jìn)行分析，提出了一種基于局部特征匹配的目標(biāo)跟蹤方法，該算法基于Shape Context進(jìn)行特征提取。首先，對(duì)現(xiàn)有特征提取算法進(jìn)行簡(jiǎn)單介紹，并詳細(xì)
2011-12-06 15:15:0532 針對(duì)傳統(tǒng)的SURF算法未使用圖像的顏色信息，提出了一種基于顏色信息和SURF特征相結(jié)合的混合圖像匹配算法，算法通過(guò)提取目標(biāo)圖像的顏色信息，從源圖像中定位出一個(gè)區(qū)域，該區(qū)域就是目標(biāo)圖像在源圖像中的模糊
2015-12-24 16:05:2515 基于改進(jìn)SIFT特征點(diǎn)匹配的圖像拼接算法研究_張勇
2017-01-03 17:41:321 非線(xiàn)性Contourlet變換和區(qū)域特征匹配的圖像融合_蔣炯輝
2017-03-19 11:41:390 針對(duì)傳統(tǒng)特征匹配算法在實(shí)際的應(yīng)用中存在搜索范圍廣、無(wú)關(guān)特征點(diǎn)多等問(wèn)題，提出一種基于顯著性區(qū)域檢測(cè)特征匹配方法。首先利用顯著性區(qū)域檢測(cè)算法濾除圖像中的背景，獲取圖像顯著性區(qū)域;在此基礎(chǔ)上利用SU RF
2017-10-28 11:01:410 針對(duì)基于圖像紋理特征的蕾絲花邊檢索方法效率低下問(wèn)題，為提高蕾絲花邊檢索效率，提出一種基于層次匹配下多種特征融合的蕾絲花邊檢索方法。通過(guò)運(yùn)用圖像紋理特征標(biāo)識(shí)圖像，利用Canny算子處理紋理圖像，得到
2017-11-17 14:24:498 圖像二進(jìn)制特征描述器比浮點(diǎn)數(shù)特征描述器存儲(chǔ)容量小、計(jì)算速度更快。在對(duì)常用二進(jìn)制特征描述器進(jìn)行分析的基礎(chǔ)上，利用圖像特征點(diǎn)之間的空間結(jié)構(gòu)信息改進(jìn)FREAK描述器的采樣模式，提出MPFREAK描述
2017-11-23 17:21:376 的差異出發(fā)，提出了一種基于情緒特征的中文微博用戶(hù)性別識(shí)別方法。本文考慮的情緒特征包括情緒詞特征和與情緒相關(guān)的語(yǔ)言風(fēng)格特征。實(shí)驗(yàn)結(jié)果表明，利用情緒特征提高了用戶(hù)性別識(shí)別的精度。
2017-11-25 10:57:350 針對(duì)線(xiàn)段因遮擋、斷裂以及端點(diǎn)提取不準(zhǔn)確等原因造成的線(xiàn)段特征匹配困難問(wèn)題，特別是現(xiàn)有匹配算法在匹配過(guò)程中出現(xiàn)多配多時(shí)直接采取最相似匹配而導(dǎo)致丟失大量真實(shí)匹配的問(wèn)題，提出了一種基于多重幾何約束及0-1
2017-11-29 10:20:420 線(xiàn)分段技術(shù)的牙齒分割算法。根據(jù)曲率信息篩選特征區(qū)域并采用形態(tài)學(xué)算法提取牙列特征線(xiàn)；結(jié)合特征線(xiàn)分段和分支點(diǎn)匹配算法以及形態(tài)學(xué)膨脹操作實(shí)現(xiàn)齒間融合區(qū)域的自動(dòng)識(shí)別；利用匹配的分支點(diǎn)對(duì)齒間孔洞搭橋修補(bǔ)，實(shí)現(xiàn)牙齒形狀的
2017-12-05 15:23:310 點(diǎn)模式匹配是目標(biāo)識(shí)別、圖像配準(zhǔn)與匹配、姿態(tài)估計(jì)等計(jì)算機(jī)視覺(jué)與模式識(shí)別應(yīng)用方向的基礎(chǔ)問(wèn)題之一。提出了一種新的利用點(diǎn)特征進(jìn)行匹配的算法，該算法根據(jù)點(diǎn)集的分布與點(diǎn)位置信息，構(gòu)建了點(diǎn)的特征屬性圖，通過(guò)極坐標(biāo)
2017-12-05 19:08:072 利用電視制導(dǎo)導(dǎo)彈視頻圖像確定導(dǎo)彈落點(diǎn)，從而開(kāi)展精確目標(biāo)毀傷評(píng)估研究，是目前全新的一種評(píng)估手段。圖像特征匹配是利用視頻圖像確定導(dǎo)彈落點(diǎn)的關(guān)鍵步驟。針對(duì)導(dǎo)彈視頻圖像的特點(diǎn)及其作戰(zhàn)應(yīng)用，在特征匹配階段
2017-12-06 13:58:481 以基于圖像序列攝像機(jī)自標(biāo)定為基礎(chǔ)，針對(duì)尺度不變特征轉(zhuǎn)換SIFT算法誤匹配率高且運(yùn)行效率低的問(wèn)題，提出一種改進(jìn)的雙向SIFT特征匹配算法。在去除誤匹配方面，首先采用雙向匹配消除部分誤匹配點(diǎn)對(duì)，然后結(jié)合
2017-12-06 15:00:471 目標(biāo)分割方法是工業(yè)自動(dòng)化、在線(xiàn)產(chǎn)品檢驗(yàn)、生產(chǎn)過(guò)程控制等領(lǐng)域的關(guān)鍵技術(shù)之一。基于特征匹配策略，研究了如何增強(qiáng)紋理特征的區(qū)分能力以及如何快速分割特定的目標(biāo)。在紋理特征提取方面，首先通過(guò)形態(tài)學(xué)處理獲取圖像
2017-12-07 16:48:300 針對(duì)定向二進(jìn)制簡(jiǎn)單描述符（ ORB）算法不具備尺度不變性的問(wèn)題，提出一種結(jié)合快速魯棒性特征（ SURF）算法和ORB的改進(jìn)算法。首先，利用Hessian矩陣檢測(cè)特征點(diǎn)的方法，使得提取出的特征點(diǎn)具有
2017-12-15 17:15:1121 針對(duì)圖像匹配技術(shù)中匹配時(shí)間與匹配精度不能同時(shí)滿(mǎn)足要求的問(wèn)題，提出一種基于特征點(diǎn)匹配的方法，利用隨機(jī)森林分類(lèi)器實(shí)現(xiàn)地標(biāo)的匹配，將匹配問(wèn)題轉(zhuǎn)化為簡(jiǎn)單的分類(lèi)問(wèn)題，大大簡(jiǎn)化了計(jì)算過(guò)程，保證影像匹配實(shí)時(shí)
2017-12-19 14:50:410 方法主要基于用戶(hù)的結(jié)構(gòu)特征和屬性特征來(lái)識(shí)別匹配用戶(hù)，大多僅考慮局部結(jié)構(gòu)，并且受已知匹配用戶(hù)數(shù)量的限制．基于此，本文提出了一種基于全視角特征結(jié)合眾包的跨社交網(wǎng)絡(luò)用戶(hù)識(shí)別方法（OCSA）．首先，利用眾包來(lái)提高已知匹
2017-12-19 16:45:086 針對(duì)尺度不變特征變換（ SIFT）描述子僅利用特征點(diǎn)的局部鄰域灰度信息而對(duì)圖像內(nèi)具有相似灰度分布的特征點(diǎn)易產(chǎn)生誤匹配的問(wèn)題，提出一種基于典型相關(guān)分析（ CCA）的sivr誤匹配剔除方法。該方法首先
2017-12-29 14:44:210 大腦永遠(yuǎn)都無(wú)法思考的事情。這樣的未來(lái)并不遙遠(yuǎn)，也許十年時(shí)間就能成為現(xiàn)實(shí)。但是，正如我們所談?wù)摰?b class="flag-6" style="color: red">AI話(huà)題和閱讀與AI有關(guān)的文章那樣，我們中的許多人仍然以錯(cuò)誤的方式思考這個(gè)問(wèn)題。人們把AI與人類(lèi)智能相提并論
2018-03-21 09:08:00553 特征識(shí)別流程，構(gòu)建基于Trust-Hub硬件木馬的特征庫(kù)，在AES算法的RTL級(jí)描述中設(shè)計(jì)3種不同功能類(lèi)型的硬件木馬電路進(jìn)行分析。實(shí)例結(jié)果表明，利用提出的特征匹配方法并結(jié)合目標(biāo)載體特征分析，可在冗余代碼不高于10%的精度下實(shí)現(xiàn)硬件木馬
2018-02-23 11:39:380 Pade逼近是一種關(guān)于函數(shù)值的特殊類(lèi)型的有理分式逼近法。它的思想是以盡量快的速度與泰勒級(jí)數(shù)展開(kāi)式相匹配
2018-06-06 08:00:005 我們都知道給手機(jī)充電需要將數(shù)據(jù)線(xiàn)插入到手機(jī)接口，這里需要USB接口互相匹配，即使都是安卓手機(jī)其USB接口可能會(huì)有所不同。這就不難理解借朋友的數(shù)據(jù)線(xiàn)為什么給自己的手機(jī)充不了電了？
2018-09-09 10:37:004419 隨著人工智能的不斷迅猛發(fā)展，智能相親軟件卻層出不窮。它是一款通過(guò)人工智能算法，將匹配度較高的二者牽線(xiàn)在一起的軟件。Say Allo APP，采用 AI 和機(jī)器學(xué)習(xí)幫助人們配對(duì)，在挖掘用戶(hù)的社交媒體
2018-09-11 10:34:002984 LED燈具與電源的驅(qū)動(dòng)需要相匹配，這是很重要的，否則會(huì)出現(xiàn)不好的情況，讓LED燈具的運(yùn)行受到阻礙，還會(huì)影響LED燈具本身。
2018-11-17 10:56:3414133 在人工智能驅(qū)動(dòng)的世界里，一旦產(chǎn)品與市場(chǎng)相匹配，用戶(hù)數(shù)、用戶(hù)參與度和收入就會(huì)快速增長(zhǎng)。
2019-12-27 13:52:12730 約翰·羅杰斯博士是伊利諾伊大學(xué)的工程學(xué)教授，他是許多可伸縮材料電子學(xué)研究人員中的一員。羅杰斯認(rèn)為，柔性微電子電路軟材料是構(gòu)建可伸縮、可穿戴電子產(chǎn)品的基礎(chǔ)。羅杰斯還表示：“與身體相融合的特征需要與身體相匹配。因此，你需要組織狀的電子產(chǎn)品，它可以層壓，并以完全自然、完全無(wú)創(chuàng)的方式接觸身體的不同器官。”
2020-04-17 15:48:333160 MSPU 報(bào)道稱(chēng)，微軟今日宣布和 Code.org 達(dá)成了合作伙伴關(guān)系，以向小學(xué)到高中的學(xué)生們教授人工智能（AI）技術(shù)。作為合作的一部分，微軟向這家非營(yíng)利組織捐贈(zèng)了 750 萬(wàn)美元。后者計(jì)劃為 K-12 學(xué)生提供與其年齡相匹配的教學(xué)方法，以幫助其理解 AI 的工作原理和社會(huì)道德層面的考量。
2020-12-02 11:24:321972 12月8日消息，在2020WISE新經(jīng)濟(jì)之王峰會(huì)上，探探聯(lián)合創(chuàng)始人潘瀅在演講中表示，截至2020年12月，探探累計(jì)注冊(cè)用戶(hù)突破4億，實(shí)現(xiàn)互相匹配逾200億次。
2020-12-09 09:18:031951 圖像匹配 應(yīng)用： 目標(biāo)識(shí)別、目標(biāo)跟蹤、超分辨率影像重建、視覺(jué)導(dǎo)航、圖像拼接、三維重建、視覺(jué)定位、場(chǎng)景深度計(jì)算 方法： 基于深度學(xué)習(xí)的特征點(diǎn)匹配算法、實(shí)時(shí)匹配算法、3維點(diǎn)云匹配算法、共面線(xiàn)點(diǎn)不變量匹配
2020-12-26 11:08:576447 組合形成金字塔重疊匹配網(wǎng)絡(luò)，獲得全局特征向量并經(jīng)全局平均池化得到包含多尺度特征的多個(gè)局部特征向量，聯(lián)合使用 Softmax損失函數(shù)、三元組損失函數(shù)和中心損失函數(shù)學(xué)習(xí)全局和局部特征向量，并利用特征歸一化層減少損失函數(shù)學(xué)習(xí)目標(biāo)沖突的影
2021-03-11 16:05:5910 信道狀態(tài)信息的條件下，將用戶(hù)和子信道認(rèn)為是追求自身最大收益的兩個(gè)獨(dú)立集合，通過(guò)迭代的方式實(shí)現(xiàn)用戶(hù)和子信道之間的穩(wěn)定匹配。在此基礎(chǔ)上，利用注水算法解決用戶(hù)的功率分配問(wèn)題。仿真結(jié)果表明， USTSMA在系統(tǒng)總吞吐量、用戶(hù)調(diào)度數(shù)等方
2021-03-12 10:18:016 基于卷積神經(jīng)網(wǎng)絡(luò)的立體匹配方法未充分利用圖像中各個(gè)層級(jí)的特征圖信息，造成對(duì)圖像在不適定區(qū)域的特征提取能力較差。提岀一種融合多尺度與多層級(jí)特征的立體匹配方法。通過(guò)在雙塔結(jié)構(gòu)卷積神經(jīng)網(wǎng)絡(luò)模型的前端
2021-03-23 15:46:2213 為保證SAD算法的立體匹配效率，提高匹配精度，提出一種融合邊緣特征的立體匹配算法 Edge-gray。通過(guò)邊緣計(jì)算得到邊緣特征圖，在進(jìn)行匹配的過(guò)程中，根據(jù)當(dāng)前點(diǎn)與領(lǐng)域點(diǎn)的差值確定匹配窗口大小和匹配
2021-04-29 11:06:568 在單目視覺(jué)同步定位與建圖（SLAM）過(guò)程中，由于特征匹配階段存在誤匹配且耗時(shí)長(zhǎng)，使得機(jī)器人初始化速度慢、定位精度不髙。針對(duì)此問(wèn)題，基于概率運(yùn)動(dòng)統(tǒng)計(jì)特征匹配，提出一種單目視覺(jué)SLAM算法。通過(guò)設(shè)置
2021-05-27 14:25:546 基于單位統(tǒng)計(jì)曲率特征匹配的紅外目標(biāo)檢測(cè)
2021-06-19 16:20:047 為身體殘障人士而設(shè)的 AI
2022-12-30 09:40:16463 人工智能系統(tǒng)能否與人類(lèi)水平的態(tài)勢(shì)感知相匹配？
2023-01-04 11:17:18378 ? 我們都知道特征檢測(cè)和匹配是計(jì)算機(jī)視覺(jué)領(lǐng)域中的重要任務(wù)，它們?cè)谠S多應(yīng)用中發(fā)揮著關(guān)鍵作用，比如SLAM、SFM、AR、VR等許多算法都需要穩(wěn)定精確的特征檢測(cè)和匹配。 特征檢測(cè)算法的意義在于從圖像
2023-06-16 16:48:28520 
我們都知道特征檢測(cè)和匹配是計(jì)算機(jī)視覺(jué)領(lǐng)域中的重要任務(wù)，它們?cè)谠S多應(yīng)用中發(fā)揮著關(guān)鍵作用，比如SLAM、SFM、AR、VR等許多算法都需要穩(wěn)定精確的特征檢測(cè)和匹配。
2023-06-19 11:27:272599 
由于噪聲和退化，并非所有正確匹配都能給出良好的姿態(tài)。之前的操作僅保證具有判別性高的描述子的特征點(diǎn)有更高的匹配分?jǐn)?shù)，并且首先被識(shí)別以參與姿態(tài)估計(jì)，但忽略了魯棒姿態(tài)估計(jì)所需的幾何要求。
2023-07-18 12:58:56313 
? ? ? ? ? ? 原文標(biāo)題：你身體里有光伏人基因嗎？6大職業(yè)特征 文章出處：【微信公眾號(hào)：納芯微電子】歡迎添加關(guān)注！文章轉(zhuǎn)載請(qǐng)注明出處。
2023-09-07 12:00:01198 
在一對(duì)圖像中尋找匹配的像素是具有各種應(yīng)用的基本計(jì)算機(jī)視覺(jué)任務(wù)。由于光流估計(jì)和局部特征匹配等不同任務(wù)的特定要求，以前的工作主要分為稠密匹配和稀疏特征匹配，側(cè)重于特定的體系結(jié)構(gòu)和特定任務(wù)的數(shù)據(jù)集，這可能在一定程度上阻礙了特定模型的泛化性能。
2023-11-27 11:32:24261 
電子發(fā)燒友App
工商網(wǎng)監(jiān)
評(píng)論