基于卷积神经网络的人脸识别研究_叶浪.caj

《DeepLearning tutorial》的代码,含详细流程及代码实现,将CNN用于人脸识别。

针对目前表情识别类间信息无关状态，提出了一种表情类间学习的神经网络分类识别算法。该算法首先构建一个BP网络学习对和一个距离判据单元，该距离判据单元仅用来计算类间的实际距离，类间期望距离是根据大量实验结

最简单、最基本的卷积神经网络用于手写体的数字识别，数据集是MINST，框架是pytorch,代码及注释都写的非常清楚！

基于卷积神经网络的猫种类识别，结合Django的完整demo。环境：Django1.8.2python3.6.3tensorflow1.3h5py2.7keras2.1.2numpy1.13.3pil

基于卷积神经网络的象棋棋子识别项目文件包括日志文件夹源代码文件cnn.py模型文件模型测试文件数据集文件夹当然也有一些数据集的调试文件可以忽略没啥作用上传上来只是当个纪念

使用耶鲁大学数据集，用神经网络的方法实现人脸识别，具体内容如下使用无监督学习中的自编码器生成分类器，再用有监督学习里的支持向量机加三层卷积神经网络对其进行训练，最终达到预想的准确率，代码注释很详细，

基于bp神经网络实现人脸方向识别，里面有图片，有MATLAB代码

本实验流程说明书描述了怎样利用一个基于神经网络的自动人脸识别模型来进行人脸图片识别的流程，以及试验环境和参数输入规范。

基于Adaboost和卷积神经网络的人脸检测方法对比分析，杨倩，谢东亮，本人脸检测一直是计算机视觉中研究最多的主题之一。基于Adaboost和基于卷积神经网络（ConvolutonalNenuralN

人脸识别技术是模式识别与人工智能的研究热点之一。在生物特征识别中，人脸识别占有极为重要的地位。它在访问控制、司法应用、电子商务和视频监控等领域都有广泛的应用。人脸特征提取是人脸识别过程的核心，特征提取