基于卷积神经网络的人脸识别

本代码在keras开源代码框架下，基于深度卷积神经网络，实现猫的图片识别。

用卷积神经网络CNN数字识别，CPU多线程

此资源用keras和tensorflow编写,python代码。资源库无需准备,准确度能达到0.98。

传统人脸检测算法往往不能自动地从原始图像中提取有用的检测特征,而卷积神经网络可以轻易地提取高维度的特征信息,广泛用于图像处理领域。针对上述缺点,采用简单高效的深度学习Caffe框架并通过AlexNet

卷积神经网络已成功应用于人脸识别,但是其提取的人脸特征忽略了局部特征。为了提取更加全面的人脸特征,提出一种将人脸特征融合与卷积神经网络结合进行人脸识别的算法。该方法将人脸图像经离散余弦变换后所获得的低

为了进一步提高性别识别的准确率，提出了一种基于多层特征融合与可调监督函数机制结合的卷积神经网络（L-MFCNN）模型，并将之用于人脸性别识别。与传统卷积神经网络（CNN）不同，L-MFCNN将多个浅层

本基于BP神经网络和卷积神经网络对手写数字识别进行研究,使用10000张已标注的大小为28*28的手写数字图片进行训练和测试,从所有图片中随机选出9000张作为训练样本对网络进行训练,另外1000张作

主要介绍了使用卷积神经网络(CNN)做人脸识别的示例代码,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧

如何使用Tensorflow实现一个卷积神经网络用于人脸关键点识别。我们首先介绍了卷积神经网络的基本概念、原理和常见的应用。然后，我们详细介绍了如何用Tensorflow搭建一个卷积神经网络来实现人脸

深度学习模型和学习资料神经网络学习资源机器学习算法案例人工智能经典算法