机器学习在图像分类与识别中的应用.pdf

BP神经网络在遥感图像分类中的应用，李先，郭嗣琮，为了研究BP神经网络在遥感图像分类中的应用，通过分析BP神经网络的原理、模型及算法，提出了利用BP神经网络进行遥感图像分类的特点

将稀疏编码应用于图像相似度计算，以及优化方法线性空间金字塔匹配和ScSPM。通过该方法，我们能够快速自动地计算出目标灰度图像与场景图像的相似度，并得到相应的颜色值。在应用于实际场景时，我们可以采用局部

X射线图像分类是深度学习领域中备受关注的研究方向之一。研究人员通过深入分析X射线矿石图像，运用先进的深度学习算法，实现对不同矿石类型的准确分类。这一技术的成功应用为地质学家提供了强大的工具，帮助他们更

基于涂鸦颜色的线描着色是计算机视觉领域中一项具有挑战性的任务，因为线描中既没有灰度值也缺乏语义信息，同时真实插画线描训练对的不足也使得模型泛化变得更加困难。近年来，基于生成对抗网络（GANs）的方法在

Ncut在图像分割中的应用，介绍了图论的方法在遥感图像分割中的应用。需要的可以参考一下。

CNN实现图像分类与识别,包含详细的代码与注释,可以实现人脸识别,手写字符识别等。在较小训练样本条件下CNN获得较高的识别精度。

植物分类是植物科学研究领域和农林业生产经营中重要的基础性工作，植物分类学是一项具有长远意义的基础性研究，其主要的分类依据是植物的外观特征，包括叶、花、枝干、树皮、果实等。因此，花卉分类是植物分类学的重

基于噪声抑制的Fisher向量在图像分类中的应用，李萌，黄雅平，基于Fisher向量的图像全局特征表达可以看作是词袋模型（Bag-of-visual-words）的扩展，二者都是基于图像的一种中间表示

本项目基于深度学习技术，采用Flask框架实现了猫狗图像分类的应用，给定一张图片即可通过模型进行自动分类。在此过程中，我们完成了数据集的划分、模型的训练和评估，并将模型部署成网页端应用。通过该项目的学

Lenet-AlexNet-VGG-Resnet等分类网络的比较