EEPW论坛

本文的内容主要是对卷积神经网络的生成和实现相关的所有过程进行分析和改进。通过这种属于深度学习领域的技术，我们已经可以设计出一种应用，使我们能够检测图像中是否包含受地震影响而受损的区域。为此，本问题采用特定的网络拓扑结构。具体来说，所使用的图像来自2010年海地发生的地震，是从一颗名为 "GeoEye-1 "的地球观测卫星上获得的。

通过记录不同的指标，如执行时间和准确率，可以在训练和推理阶段分别使用不同的设备来提高模型的性能。使用英特尔开发的OpenVINO工具包，以此来提高模型的效率。为此，有必要建立一个具体的使用方法。

最后，在训练阶段分析的参数中确定性能的提升。同时，在推理部分，注意到使用OpenVINO与Tensorflow提供的具有相同目的的工具相比，得到了广泛的改进。根据所使用的技术和设备，假设在20%-60%之间。其中，Movidius NCS2棒。

本文的内容主要是对卷积神经网络的生成和实现相关的所有过程进行分析和改进。通过这种属于深度学习领域的技术，我们已经可以设计出一种应用，使我们能够检测图像中是否包含受地震影响而受损的区域。为此，本问题采用特定的网络拓扑结构。具体来说，所使用的图像来自2010年海地发生的地震，是从一颗名为 "GeoEye-1 "的地球观测卫星上获得的。

通过记录不同的指标，如执行时间和准确率，可以在训练和推理阶段分别使用不同的设备来提高模型的性能。使用英特尔开发的OpenVINO工具包，以此来提高模型的效率。为此，有必要建立一个具体的使用方法。

最后，在训练阶段分析的参数中确定性能的提升。同时，在推理部分，注意到使用OpenVINO与Tensorflow提供的具有相同目的的工具相比，得到了广泛的改进。根据所使用的技术和设备，假设在20%-60%之间。其中，Movidius NCS2棒。

https://eprints.ucm.es/62581/

网络的便携性和优化 用于快速检测损伤 在地震中使用OpenVINO工具箱进行分析.pdf