论文研究 用于识别车架号的卷积神经网络的优化

在手势识别研究过程中，人工选取特征难以适应手势的多变性。提出了一种结合肤色模型和卷积神经网络的手势识别方法，对采集的不同背景下的手势图像，首先用肤色高斯模型分割出手势区域，然后采用卷积神经网络建立手势

针对现有的行人检测算法存在的定位精度低、实时性差的问题，借鉴目标检测的研究成果You Only Look Once（YOLO）算法，提出一种实时的行人检测方法。以Tiny-YOLO为基础，改变网络模型

卷积递归神经网络 该软件实现了卷积递归神经网络(CRNN),它结合了CNN,RNN和CTC损失,可用于基于图像的序列识别任务,例如场景文本识别和OCR。 有关详细信息,请参阅我们的论文 。 更新201

通信中的流量识别工作将直接影响网络管理整体效率.针对复杂网络中的加密流量识别问题,结合网络流 量与文本结构相似性,提出一种基于卷积神经网络的优化识别模型.综合考虑数据包的多样性,对原始网络数据进

手写字迹识别是计算机视觉应用领域中的一个重要方向。特别是在邮政编码识别、银行支票识别等场景下，手写字迹的自动识别越来越受到广泛关注。深度神经网络（DNN）和卷积神经网络（CNN）等深度学习技术因其在分

详细解读了卷积神经网络是如何工作的，从CNN卷积层、激活层、池化层到全链接层，及多层CNN作用进行了通熟易懂的讲解

matconvnet卷积神经网络的手册. CNN最近非常火，这是一个2012年在imagenet挑战赛上获得冠军的网络。本人也在使用，很好用，适合于图像分类检索等。

本书用极少的数学知识，深入浅出地介绍了机器学习、卷积神经网络的相关概念以及实践中特别重要的数据预处理。书中没有借助深度学习库，完全使用Python语言基于NumPy库实现了神经网络和卷积神经网络，并给

完整的CNN卷积神经网络，可用于图像等领域，有很好的指导。

本文假设读者比较熟悉神经网络的相关知识，特别是反向传播算法的过程，从数学推导的角度来理解CNN的内部原理。