Andere Kunden interessierten sich auch für
![Approccio di apprendimento automatico per il rilevamento del parlato]( "Approccio di apprendimento automatico per il rilevamento del parlato")
Approccio di apprendimento automatico per il rilevamento del parlato32,99 €![Riconoscimento e rilevamento del volto specifico di una persona basato su CNN]( "Riconoscimento e rilevamento del volto specifico di una persona basato su CNN")
Riconoscimento e rilevamento del volto specifico di una persona basato su CNN26,99 €![Esplorazione dei dati e apprendimento automatico con R]( "Esplorazione dei dati e apprendimento automatico con R")
Esplorazione dei dati e apprendimento automatico con R30,99 €![Rilevamento dei valori anomali basato sul clustering dei dati rilevati con HADOOP]( "Rilevamento dei valori anomali basato sul clustering dei dati rilevati con HADOOP")
Rilevamento dei valori anomali basato sul clustering dei dati rilevati con HADOOP23,99 €![Sistema di recupero delle immagini basato sul contenuto utilizzando l'apprendimento automatico]( "Sistema di recupero delle immagini basato sul contenuto utilizzando l'apprendimento automatico")
Sistema di recupero delle immagini basato sul contenuto utilizzando l'apprendimento automatico30,99 €![Tecniche di classificazione basate sull'apprendimento automatico]( "Tecniche di classificazione basate sull'apprendimento automatico")
Tecniche di classificazione basate sull'apprendimento automatico26,99 €![Apprendimento automatico con l'AI]( "Apprendimento automatico con l'AI")
Apprendimento automatico con l'AI39,99 €
L'etichettatura spontanea del contenuto di un'immagine digitale è una delle difficoltà più importanti dell'apprendimento profondo che collega la visualizzazione al computer e il linguaggio inglese. In questo lavoro di ricerca, abbiamo creato un modello di propagazione basato su una produzione ricorrente profonda che riunisce i moderni miglioramenti nella visualizzazione al computer e nella parafrasi degli strumenti e che può essere utilizzato per generare verdetti regolari sull'etichettatura di un'immagine digitale. Il prototipo è realizzato per sfruttare appieno la probabilità del verdetto di spiegazione oggettiva data l'immagine digitale. Questo lavoro mira a generare sottotitoli per le immagini utilizzando modelli linguistici neurali. Da quando si sono diffusi i modelli linguistici neurali e le reti neurali convoluzionali profonde (CNN), il numero di modelli proposti per la creazione di sottotitoli per immagini digitali è cresciuto notevolmente. Il nostro lavoro si basa su uno di questi, che utilizza una variante di rete neurale ricorrente (RNN) accoppiata a una CNN. Intendiamo migliorare questo modello apportando sottili modifiche agli elementi costitutivi e utilizzando le frasi come unità elementari invece delle parole, il che potrebbe portare a sottotitoli semantici e sintattici migliori.