Intel > 实例探究 > 使用英特尔深度学习 SDK 改进图像识别模型

使用英特尔深度学习 SDK 改进图像识别模型

Intel Logo
 Employing Intel Deep Learning SDK Toward Bettering Image Recognition Models - IoT ONE Case Study
技术
  • 应用基础设施与中间件 - 中间件、SDK 和库
用例
  • 计算机视觉
客户
关于客户
寻求探索图像识别拓扑的数据科学家。
挑战

在本案例研究中,探索的挑战涉及 LeNet*,这是用于手写数字识别的著名图像识别拓扑之一。在案例研究中,我们深入探讨了如何使用训练工具在针对英特尔® 架构优化的 Caffe* 上直观地设置、调整和训练混合国家标准与技术研究院 (MNIST) 数据集。数据科学家是目标受众。

解决方案

使用英特尔深度学习 SDK 训练模型的主要优势之一是其易用性。作为一名数据科学家,您的重点将更多地放在轻松准备训练数据、尽可能使用现有拓扑、根据需要设计新模型以及使用自动化实验和高级可视化训练模型上。训练工具提供了所有这些好处,同时还简化了流行的深度学习框架的安装。

运营影响
  • The first positive impact of this case study involves enhancing one's understanding of how the human visual system and convolutional neural networks work.  In doing so, one receives great exposure into LeNet*.

  • Getting insight into MNIST dataset is the second positive impact of this case study. To increase the variation in data, the final MNIST collection uses 30k images from each dataset for training and 5k images from each for testing.

  • Using the Intel® Deep Learning SDK to train the model is the third positive impact of this case study.  One of the main advantages of using the Intel Deep Learning SDK to train a model is its ease of use. As a data scientist, your focus would be more on easily preparing training data, using existing topologies where possible, designing new models if required, and train models with automated experiments and advanced visualizations.

Case Study missing?

Start adding your own!

Register with your work email and create a new case study profile for your business.

Add New Record

相关案例.

联系我们

欢迎与我们交流!
* Required
* Required
* Required
* Invalid email address
提交此表单,即表示您同意 IoT ONE 可以与您联系并分享洞察和营销信息。
不,谢谢,我不想收到来自 IoT ONE 的任何营销电子邮件。
提交

感谢您的信息!
我们会很快与你取得联系。