如今短视频的流行,使得视频剪辑的需求逐渐增多。项目目标在于使用新兴的云计算技术为用户提供一个可靠的视频剪辑平台,便利用户进行视频剪辑和文件存储。项目已实现了基于云计算视频剪辑,并且将其存储在AWS S3(Amazon Web Service Simp...如今短视频的流行,使得视频剪辑的需求逐渐增多。项目目标在于使用新兴的云计算技术为用户提供一个可靠的视频剪辑平台,便利用户进行视频剪辑和文件存储。项目已实现了基于云计算视频剪辑,并且将其存储在AWS S3(Amazon Web Service Simple Storage Service)存储桶上。利用云计算的优势,保障项目的稳定性,提供更好的视频剪辑体验。展开更多
提出一种基于Faster RCNN(Faster Region with Convolutional Neural Networks)的电路板缺陷图像自动检测方法。该方法首先应用ResNet50网络作为主干网络以提取缺陷图像特征;然后针对电路板图像中缺陷的极端长宽比特点,提出基于特征金...提出一种基于Faster RCNN(Faster Region with Convolutional Neural Networks)的电路板缺陷图像自动检测方法。该方法首先应用ResNet50网络作为主干网络以提取缺陷图像特征;然后针对电路板图像中缺陷的极端长宽比特点,提出基于特征金字塔的区域推荐网络,得到多尺度特征融合图并生成建议框;最后,通过对感兴趣区域进行池化处理,并结合后续网络实现对电路板图像上缺陷的快速检测。试验证明,所提算法能够快速定位出电路板图像中的各种缺陷,并能实现准确的自动分类识别。展开更多
文摘如今短视频的流行,使得视频剪辑的需求逐渐增多。项目目标在于使用新兴的云计算技术为用户提供一个可靠的视频剪辑平台,便利用户进行视频剪辑和文件存储。项目已实现了基于云计算视频剪辑,并且将其存储在AWS S3(Amazon Web Service Simple Storage Service)存储桶上。利用云计算的优势,保障项目的稳定性,提供更好的视频剪辑体验。
文摘提出一种基于Faster RCNN(Faster Region with Convolutional Neural Networks)的电路板缺陷图像自动检测方法。该方法首先应用ResNet50网络作为主干网络以提取缺陷图像特征;然后针对电路板图像中缺陷的极端长宽比特点,提出基于特征金字塔的区域推荐网络,得到多尺度特征融合图并生成建议框;最后,通过对感兴趣区域进行池化处理,并结合后续网络实现对电路板图像上缺陷的快速检测。试验证明,所提算法能够快速定位出电路板图像中的各种缺陷,并能实现准确的自动分类识别。