边缘设备上的实时AI人员检测:在Raspberry Pi上启动SSD（译文）

在本文中,我们将介绍如何在设备上安装Python-OpenCV并运行代码.

{ map[]}

10月08日 2020年

边缘设备上的实时AI人员检测:使用预先训练的SSD模型检测人员（译文）

在本文中,我们将展示用于启动这些模型并检测图像中人物的Python代码.

{ map[]}

10月07日 2020年

训练自己的Android TensorFlow神经网络（译文）

在本文中,我们将从一个程序生成输出,该程序将提供一个TensorFlow冻结图,准备好使用或转换为TensorFlow Lite.

{ map[]}

09月23日 2020年

Android Tensorflow Lite最佳做法和优化（译文）

在本文中,我们将考虑可以进一步优化网络的方式.

{ map[]}

09月22日 2020年

在Android上可视化TensorFlow Lite AI结果（译文）

在本系列的先前安装中,TensorFlow Lite解释器检查了图像并产生了输出.在本文中,我们将学习如何解释这些结果并为其创建可视化效果.

{ map[]}

09月21日 2020年

使用Tensorflow Lite创建一个Android AI应用（译文）

在本文中,我们将创建一个Android应用程序并将其TensorFlow Lite模型导入其中.

{ map[]}

09月18日 2020年

在Android上将ONNX神经网络模型与TensorFlow Lite结合使用（译文）

在本文中,我们将采用预训练的神经网络并将其调整为可在TensorFlow Lite中使用.

{ map[]}

09月17日 2020年

设置Android AI开发环境（译文）

这是有关在Android上使用TensorFlow Lite将机器学习和深度神经网络的力量引入移动应用程序的系列文章的第一篇

{ map[]}

09月16日 2020年

在Python中使用可移植的ONNX AI模型（译文）

在本文中,我简要介绍了ONNX运行时和ONNX格式.

{ map[]}

09月14日 2020年

在Java中使用可移植的ONNX AI模型（译文）

在本文中,我简要介绍了ONNX运行时和ONNX格式.

{ map[]}

09月11日 2020年

[译]多卷积神经网络在线手写识别方法

该研究集中于在线手写识别系统中的单词识别技术的介绍,该系统使用多分量神经网络(MCNN)作为分类器的可交换部分.

{ map[]}