基于视觉注意模型和卷积神经网络的交通视频车牌识别,臧笛,,作为智能交通系统的一个重要组成部分,车牌识别在近年来的研究已经获得广泛认可。本文主要针对交通视频中进行车牌识别的问题提出
卷积神经网络图像识别python代码
基于改进卷积神经网络的年龄和性别识别研究,艾心,罗群,近年来随着计算机技术的发展,人脸年龄和性别识别在身份认证等领域有了越来越多的应用,然而基于图像的年龄和性别识别在真实场景
卷积神经网络(Convolutional Neural Network,CNN)是一种源于人工神经网络(Neural Network,NN)的深度机器学习方法,近年来在图像识别领域取得了巨大的成功。C
针对行人重识别中传统的人工提取的行人浅层特征因受摄像机角度、光照等外界环境的影响,鲁棒性不好,收敛速度慢的问题,研究使用预训练卷积神经网络模型在行人数据库上进行微调的方法,对行人图片进行特征提取,从而
卷积神经网络CNN的并行化研究并行化MapReduce框架GPU加速
提出一种基于深度体素卷积神经网络的三维(3D)模型识别分类算法, 该算法使用体素化技术将3D多边形网格模型转化为体素矩阵, 并通过深度体素卷积神经网络提取该矩阵的深层特征, 以增强特征的表达能力和差异
针对目前在噪音环境下语音识别系统性能较差的问题,利用RBF神经网络具有最佳逼近性能、训练速度快等特性,分别采用聚类和全监督训练算法,实现了基于RBF神经网络的抗噪语音识别系统。聚类算法的隐含层训练采用
基于语音信号的时变特性,提出了一种新型神经网络语音识别方法——小波混沌神经网络方法,即把小波变换和混沌特性引入到神经元,构成小波混沌神经网络,将这种神经网络用于语音识别,并与常用的BP神经网络识别方法
1 前言 本文以MNIST手写数字分类为例,讲解使用一维卷积和二维卷积实现 CNN 模型。关于 MNIST 数据集的说明,见使用TensorFlow实现MNIST数据集分类。实验中主要用到 Conv1
