论文研究基于卷积神经网络的图像分类.pdf

1.环境配置：ubantu(16.04)python(3.5)tensorflow(0.12.0)exportTF_BINARY_URL=https://storage.googleapis.com/

针对传统基于机器学习的流量分类方法中特征选取环节的好坏会直接影响结果精度的问题,提出一种基于卷积神经网络的流量分类算法。首先,通过对数据进行归一化处理后映射成灰度图片作为卷积神经网络的输入数据,然后,

研究论文-基于混合神经网络的图像分类矢量量化方法

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

随着近年来深度学习的日益发展，图像美学评价逐渐成为一个新的热门研究课题，深度卷积神经网络在图像美学评价的应用成功地取得了可观的发展成果，并引起了广泛的关注。为了解决现有综述存在的文献概括不全、对该技术

深度学习中的图像分类一直是一个热门研究方向。其中，卷积神经网络CNN架构因其良好的性能表现被广泛应用于图像分类领域。CNN架构的基本原理和常用模型，包括LeNet、AlexNet、VGG、GoogLe

用于CIFAR-10-图像分类的卷积神经网络 使用CNN进行CIFAR-10图像分类 CIFAR-10数据集包含来自10类的32x32彩色图像:飞机,汽车,鸟类,猫,鹿,狗,青蛙,马,船,卡车: 1.

目前最常见的边缘检测算子是Sobel算子,但是它存在对非0°和非90°朝向的边缘检测时,其输出幅度不强、抗干扰和抗亮度变化弱的问题。通过仔细比较Sobel算子与猫（以及雪貂和猴）的初级视皮层的简单细胞

基于卷积神经网络的图像识别算法的研究，适合于毕业学生，非常好用，赶紧下载，非常合适，基于卷积神经网络的图像识别算法的研究

利用深度卷积神经网络对图像进行分类 1_Alex_《ImageNet Classification with Deep Convolutional Neural Networks》2012