CNN笔记通俗理解卷积神经网络
python+tensorflow实现CNN识别MNIST手写数字数据集,需要自己下载MINIST数据集
上传一张车牌照片,可以是远距离拍摄的,代码会先进行车牌定位,然后切割出车牌区域,再经过灰度化,二值化等导入训练好的神经网络,得到车牌；另外神经网络可以调节层数,学习速率,训练次数等参数来训练调整新的网
卷积神经网络用于文字识别,在经典的模式识别中,一般是事先提取特征。提取诸多特征后,要对这些特征进行相关性分析,找到最能代表字符的特征,去掉对分类无关和自相关的特征。然而,这些特征的提取太过依赖人的经验
利用卷积神经网络CNN进行人脸识别的研究,提取人脸的不同特征用于训练。
本资源提供了神经网络、机器学习源码及案例,涵盖深度学习、经典人工智能算法等人脸识别的卷积神经网络算法。
卷积神经网络在图像识别上的应用的研究
智能冰箱物体识别主要涉及对水果和蔬菜的识别,冰箱中果蔬数量繁多,光照不均,环境复杂,对此提出了一种用于处理该类识别问题的卷积神经网络。网络采用ReLU作为激活函数,它比传统的Sigmoid函数具有更强
基于双通道特征图卷积神经网络的Spotlight SAR图像识别
摘要:BP神经网络具有较强的容错性和自适应学习能力,因而在数字图像识别领城有若广泛的应用。本丈在经典BP神经网络的基本算法的基础上,对BP算法的参数设1进行了优化,实现了一种基于分类的改进BP神经网络
