視覺(jué)圖像文章進(jìn)入視覺(jué)圖像技術(shù)社區(qū)

支持廣泛神經(jīng)網(wǎng)絡(luò)架構(gòu)的VIP8000處理器

機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)處理技術(shù)承載著嵌入式處理器下一個(gè)主要的市場(chǎng)機(jī)會(huì)。國(guó)際數(shù)據(jù)公司(IDC)預(yù)測(cè)，全球在人工智能和機(jī)器學(xué)習(xí)方面的支出將從2016年的80億美元增長(zhǎng)到2020年的470億美元。AI爆發(fā)式增長(zhǎng)的背后有三個(gè)主要的驅(qū)動(dòng)力：算法的快速演進(jìn)、強(qiáng)大的技術(shù)平臺(tái)以及大數(shù)據(jù)。AI日益無(wú)處不在，這就要求消費(fèi)電子、汽車(chē)電子、工業(yè)4.0等終端產(chǎn)品具備實(shí)時(shí)神經(jīng)網(wǎng)絡(luò)推理、可靈活升級(jí)至最新最優(yōu)算法，以及從持續(xù)學(xué)習(xí)中收集有用信息的能力。
關(guān)鍵字：芯原機(jī)器學(xué)習(xí) 視覺(jué)圖像

高精度的微小零件邊緣檢測(cè)中，傳統(tǒng)邊緣檢測(cè)算法存在實(shí)際應(yīng)用可操作性較差，檢測(cè)結(jié)果難以達(dá)到精度要求等問(wèn)題。為了提高邊緣檢測(cè)精度，提出了基于Soble算子的改進(jìn)算法，該算法擴(kuò)展了Sobel算子邊緣檢測(cè)的模板，并對(duì)擴(kuò)展的梯度方向圖進(jìn)行了細(xì)化處理，而后在梯度圖像上實(shí)現(xiàn)多項(xiàng)式插值亞像素細(xì)分，從而完成對(duì)目標(biāo)邊緣的精確定位。
實(shí)驗(yàn)結(jié)果表明，該方法的定位精度為0．20 pixel，滿(mǎn)足微小零件在實(shí)際檢測(cè)的精度要求。
關(guān)鍵字：視覺(jué)圖像零件邊緣檢測(cè) 算法研究

共2條 1/1 1

您好，目前還沒(méi)有人創(chuàng)建詞條視覺(jué)圖像!
歡迎您創(chuàng)建該詞條，闡述對(duì)視覺(jué)圖像的理解，并與今后在此搜索視覺(jué)圖像的朋友們分享。創(chuàng)建詞條