Robotikk og intelligente systemer
1145 articles
- Bruke fargeromtransformasjoner: teori og praktiske tips for bedre segmentering
- Utvikle en fargebasert objektsporing Algoritme: teori, beregninger og applikasjoner
- Optimering Funksjon Utvinning: Balansere teori og praksis i komplekse scener
- Hvordan å avlede og bruke Hough Transformer for Linje- og sirkeldeteksjon
- Beregne objektoppdagelses-tillitsscorer: En trinnvis guide
- Designe og analysere et visjon-basert autonomt navigasjonssystem
- Optimering av objektdeteksjon: Balansering av algoritmeytelse og beregningskostnader
- Problemløsning i bildegjenkjennelse: fra teori til praktisk deployment
- En praktisk guide til å implementere objektdeteksjonsalgoritmer i virkelige applikasjoner
- Utforming effektiv bildesegmentering algoritmer: fra teori til deployment
- Balansere teori og praksis i funksjon ekstraksjon for autonome kjøretøy
- Bruke nevralnettverk på reell bildegjenkjenning problemer: Case Studies og løsninger
- Real-world case study: Neral Network Deployment i autonome kjøretøy
- Fra teori til demontering: Bygging Robust nevral nettverk for autonome kjøretøy
- Designe nevral nettverksarkitekturer for reell bildegjenkjennelsesoppgaver
- Implementere tilbakepropagasjon: Teori og kode for dyp nevral nettverkstrening
- Bruke konvolusjonelle nevrale nettverk på bildegjenkjenning: Trinn-for-trinn problemløsning
- Bruke konvolusjonelle nevrale nettverk på bildegjenkjenning: teori og praksis
- Forståelse og beregning av gjensidig informasjon for utvalg av funksjoner
- Vanlige misforståelser i å klynge algoritmer og hvordan å korrigere dem
- Real-world case study: Overveit læring for autonom kjøretøy navigasjon
- Bridging teori og praksis: Real-world applikasjoner av overviste læringsalgoritmer
- Praktisk guide til å implementere støtte vektormaskiner for overvåket læring oppgaver
- Eksempler på overlegen læring i bildegjenkjenning og dataklassifisering
- Vanlige feil i overlegen læring og hvordan å unngå dem
- Designe maskinlæring algoritmer for store data: utfordringer og løsninger
- Fra teori til praksis: Utvikle læringsalgoritmer i Real-world Scenarios
- Real-world Case Studies: Maskinlæring løsninger for bilde gjenkjennelse utfordringer
- En praktisk tilnærming til å gjennomføre søkealgoritmer: fra teori til deployment
- Bruke søkealgoritmer på virkelige problemer: fra banefinding til datagruvedrift