En los últimos años se ha demostrado que los métodos de aprendizaje profundo superan a las técnicas de aprendizaje automático más avanzadas en varios campos, siendo la visión por ordenador uno de los casos más destacados. Este artículo de revisión proporciona una breve visión general de algunos de los esquemas de aprendizaje profundo más significativos utilizados en los problemas de visión por ordenador, es decir, las redes neuronales convolucionales, las máquinas de Boltzmann profundas y las redes de creencia profundas, y los autocodificadores de denostación apilados. Se presenta una breve reseña de su historia, estructura, ventajas y limitaciones, seguida de una descripción de sus aplicaciones en diversas tareas de visión por ordenador, como la detección de objetos, el reconocimiento de caras, el reconocimiento de acciones y actividades, y la estimación de la postura humana. Por último, se ofrece una breve visión general de las direcciones futuras en el diseño de esquemas de aprendizaje profundo para los problemas de visión por ordenador y los retos que conlleva.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Síntesis, caracterización y aplicación fotocatalítica asistida por ultrasonidos de partículas nanocompuestas con núcleo de SiO2@TiO2
Artículo:
Variación del esfuerzo de penetración en un tejido artificial mediante agujas hipodérmicas
Video:
Seminario web en bioquímica: avances en biotecnología industrial
Artículo:
Aumento de la conectividad sináptica en el giro dentado durante la actividad epileptiforme: Simulación de red
Artículo:
Lente de contacto de hidrogel para la administración prolongada de fármacos oftálmicos
Artículo:
Creación de empresas y estrategia : reflexiones desde el enfoque de recursos
Presentación:
Estudio de movimientos y tiempos
Artículo:
Estudio sobre la evaluación de la sostenibilidad de los productos innovadores
Artículo:
Generadores para ideales asociados a diferencia de tablas de Ferrers y cómputo de los generadores para ideales de Ferrers