使用单类全卷积数据描述异常检测网络检测药丸图像上的缺陷
一、前言使用单类全卷积数据描述 （FCDD） 异常检测网络检测药丸图像上的缺陷。异常检测的一个关键目标是让人类观察者能够理解为什么经过训练的网络将图像分类为异常。FCDD支持e可解释的分类，它用证明神经网络如何达到其分类决策的信息来补充类预测。FCDD 网络返回一个热图，其中包含每个像素异常的概率。分类器根据异常分数热图的平均值将图像标记为正常或异常。 二、下载用于分类数据集的药丸图像此示例.....
使用卷积神经网络对晶圆图上的八种制造缺陷进行分类
一、前言使用简单的卷积神经网络 （CNN） 对晶圆图上的八种制造缺陷进行分类。晶圆是半导体材料（通常是硅）的薄盘，用作集成电路的基础。每个晶圆产生几个单独的电路（IC），分成芯片。自动检测机测试晶圆上IC的性能。这些机器生成称为晶圆图的图像，指示哪些芯片性能正确（通过），哪些芯片不符合性能标准（失败）。晶圆图上合格和失效芯片的空间模式可以指示制造过程中的特定问题。深度学习方法可以有效地对大量晶....
如果卷积神经网络存在根本性的缺陷，你会怎么看?
云栖号资讯：【点击查看更多行业资讯】在这里您可以找到不同行业的第一手的上云资讯，还在等什么，快来！ 经过一段漫长时期的沉寂之后，人工智能正在进入一个蓬勃发展的新时期，这主要得益于深度学习和人工神经网络近年来取得的长足发展。更准确地说，人们对深度学习产生的新的兴趣在很大程度上要归功于卷积神经网络（CNNs）的成功，卷积神经网络是一种特别擅长处理视觉数据的神经网络结构。 但是，如果有人告诉你卷积神.....
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
网络更多卷积相关
域名解析DNS
关注DNS行业趋势、技术、标准、产品和最佳实践，连接国内外相关技术社群信息，追踪业内DNS产品动态，加强信息共享，欢迎大家关注、推荐和投稿。
+关注