Andere Kunden interessierten sich auch für
![FLAMED: Uma abordagem de aprendizagem profunda para a deteção de incêndios e fumo em tempo real]( "FLAMED: Uma abordagem de aprendizagem profunda para a deteção de incêndios e fumo em tempo real")
FLAMED: Uma abordagem de aprendizagem profunda para a deteção de incêndios e fumo em tempo real39,99 €![Reconhecimento da atividade humana usando aprendizagem profunda]( "Reconhecimento da atividade humana usando aprendizagem profunda")
Reconhecimento da atividade humana usando aprendizagem profunda44,99 €![Método de afinação para a aprendizagem profunda]( "Método de afinação para a aprendizagem profunda")
Método de afinação para a aprendizagem profunda29,99 €![MÉTODOS DE APRENDIZAGEM PROFUNDA PARA ANÁLISE DE SENTIMENTOS UTILIZANDO MODELOS BERT E GRU]( "MÉTODOS DE APRENDIZAGEM PROFUNDA PARA ANÁLISE DE SENTIMENTOS UTILIZANDO MODELOS BERT E GRU")
MÉTODOS DE APRENDIZAGEM PROFUNDA PARA ANÁLISE DE SENTIMENTOS UTILIZANDO MODELOS BERT E GRU39,99 €![Aproveitamento da aprendizagem profunda para o reconhecimento de emoções na fala]( "Aproveitamento da aprendizagem profunda para o reconhecimento de emoções na fala")
Aproveitamento da aprendizagem profunda para o reconhecimento de emoções na fala29,99 €![Classificação eficiente de cenas para RSI usando técnicas de aprendizagem profunda]( "Classificação eficiente de cenas para RSI usando técnicas de aprendizagem profunda")
Classificação eficiente de cenas para RSI usando técnicas de aprendizagem profunda51,99 €![Análise de sentimentos de textos X com aprendizagem profunda]( "Análise de sentimentos de textos X com aprendizagem profunda")
Análise de sentimentos de textos X com aprendizagem profunda39,99 €
Este livro explora as capacidades das redes neuronais convolucionais para lidar com uma tarefa que é facilmente gerível para os humanos: perceber a pose 3D de um corpo humano a partir de vários ângulos. No entanto, na nossa abordagem, estamos limitados à utilização de um sistema de visão monocular. Para este efeito, é aplicada uma abordagem de rede neural convolucional em vídeos RGB e é alargada a convoluções tridimensionais. Isto é feito através da codificação da dimensão temporal nos vídeos como a terceira dimensão no espaço convolucional, e regredindo diretamente para as posições das articulações do corpo humano no espaço de coordenadas 3D. Esta investigação mostra a capacidade de uma rede deste tipo para atingir o desempenho mais avançado no conjunto de dados Human3.6M selecionado, demonstrando assim a possibilidade de representar com êxito dados temporais com uma dimensão adicional na operação convolucional.