Prestandajämförelse mellan Xception, InceptionV3 och MobileNetV2 för bildklassificering på nätpaneler
Under de senaste året har modeller för djupinlärning använts inom nästa alla områden, från industri till akademi, särskilt för bildklassifikation. Dessa modeller är dock enorma i storlek, med miljontals parametrar, vilket gör det svårt att distribuera till mindre enheter med begränsade resurser såso...
Main Author: | Birindwa, Fleury |
---|---|
Format: | Others |
Language: | Swedish |
Published: |
Jönköping University, JTH, Datateknik och informatik
2020
|
Subjects: | |
Online Access: | http://urn.kb.se/resolve?urn=urn:nbn:se:hj:diva-51351 |
Similar Items
-
Convolutional Neural Networks Using Enhanced Radiographs for Real-Time Detection of <i>Sitophilus zeamais </i>in Maize Grain
by: Clíssia Barboza da Silva, et al.
Published: (2021-04-01) -
Diseases Classification for Tea Plant Using Concatenated Convolution Neural Network
by: Dikdik Krisnandi, et al.
Published: (2019-10-01) -
iSEC: An Optimized Deep Learning Model for Image Classification on Edge Computing
by: Endah Kristiani, et al.
Published: (2020-01-01) -
Road State Classification of Bangladesh with Convolutional Neural Network Approach
by: Sajid Ahmed, et al.
Published: (2019-08-01) -
Classification of COVID-19 Using Synthetic Minority Over-Sampling and Transfer Learning
by: Ormos, Christian
Published: (2020)