卷积神经网络在图像分类和目标检测应用综述_周俊宇

本文来自于网络,本文大致分成两大部分,第一部分尝试将本文涉及的分类器统一到神经元类模型中,第二部分阐述卷积神经网络(CNN)的发展简述和目前的相关工作。 本文涉及的分类器(分类方法)有:线性回归 逻辑

十分简单的，易于理解的CNN神经网络用于手写数字分类，基于TensorFlow，适合初学者掌握理解。

卷积神经网络(CNN)具有强大的特征表示能力,为改善遥感影像的场景分类提供了新颖的途径。 尽管我们可以获取大量的卫星图像,但是缺少丰富的标签信息仍然是遥感领域的主要问题。 此外,遥感数据集也有其自身的

本报告旨在通过深入研究卷积神经网络(CNN)的原理及应用，探究其在图像检测领域中的优势和应用。我们在该领域进行了一系列的实验，通过数据分析和结果对比，得出了一些有价值的结论和建议，为相关领域开展更深入

当前卷积神经网络结构未能充分考虑RGB图像和深度图像的独立性和相关性, 针对其联合检测效率不高的问题, 提出了一种新的双流卷积网络。将RGB图像和深度图像分别输入到两个卷积网络中, 两个卷积网络结构相

卷积神经网络在医学图像处理中的应用，武星，，医学图像分割是医学图像处理的一个重要领域，即在医学图像中分割出感兴趣的区域。在传统的医学图像处理技术以及机器学习算法辅助

这里设置了1-10的分类图片,可以根据自己的实际需求,减少分类标准以及数据源,代码中已经是直接排版好的m文件,使用时双击代码,matlab实现,希望对你BP神经网络的分类识别学习有所帮助

这是基于神经网络的图像分类，图片集1000张，通过神经网络模型，分类精度达80%，并输出混淆矩阵及相关二级评价指标，相关文件路径需自行修改。

用matlab做基于神经网络的遥感图像分类

基于深度学习的bP神经网络进行图像分类的代码实例