Zobrazeno 1 - 10
of 39
pro vyhledávání: '"Depth-wise separable convolutions"'
Publikováno v:
IEEE Access, Vol 12, Pp 186131-186144 (2024)
Fault diagnosis in rolling bearings is critical important in preventing machinery damage. Current deep learning-based approaches for rolling bearing fault diagnosis mainly rely on complex models that require significant hardware storage and computing
Externí odkaz:
https://doaj.org/article/bf8c6ea84fcb46418c6bd1044e1eb627
Autor:
Yan-Jen Huang, Hsin-Lung Wu
Publikováno v:
IEEE Access, Vol 11, Pp 130306-130318 (2023)
In this paper, we study lightweight age estimation methods based on a coarse-to-fine approach in which the network performs age prediction with multiple stages. In each stage, the network only focuses on refining the coarse age prediction generated f
Externí odkaz:
https://doaj.org/article/86a388ba362a4afe9fb508ea9f183ef8
Autor:
Yinggang He
Publikováno v:
IEEE Access, Vol 11, Pp 1244-1253 (2023)
Facial expression recognition technology was extensively used. This paper develops a multi-branch attention convolutional neural network based on a multiple-branch structure to recognize facial expressions. First, features are extracted from facial i
Externí odkaz:
https://doaj.org/article/9f2c2d59768c4a77acbe3407a2f307e4
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
Applied Sciences, Vol 12, Iss 15, p 7640 (2022)
Given the problems of low accuracy and complex process steps currently faced by the field of fault diagnosis, a fault diagnosis method based on multi-sensor data weighted fusion (MSDWF) combined with depth-wise separable convolutions (DWSC) is propos
Externí odkaz:
https://doaj.org/article/0d8742a5444c42e4a30b11fd9b437e61
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
Journal of Imaging, Vol 7, Iss 4, p 64 (2021)
Object detection models are usually trained and evaluated on highly complicated, challenging academic datasets, which results in deep networks requiring lots of computations. However, a lot of operational use-cases consist of more constrained situati
Externí odkaz:
https://doaj.org/article/09a51e1df998439781a994af48bdd67f
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Real-time unsupervised anomaly detection from videos is challenging due to the uncertainty in occurrence and definition of abnormal events. To overcome this ambiguity, an unsupervised adversarial learning model is proposed to detect such unusual even
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::1eb01dda87e2cd82c345de3a208f2b5a
