图像分类器:使用机器学习com Python进行图像分类的工具使用Electron e ReactJS接口 源码

这是09年发表在计算机视觉与模式识别会议（CVPR）上的论文源码，里面包含了图像分类的基本方法，对于图像分类效果非常好

利用matlab实现的k均值算法，对不同主体的图片进行分类，内含图片资源，分类为人，建筑，车，恐龙，大象和海滩风景。

libsvm图像分类

纹理图像的特征提取及分类,基于随机投影、稀疏表示来提取特征进行分类。

程序对图像进行了很好的分类，好不容易找到的代码。

数据为从101_ObjectCategories中选出的部分数据,作为图像分类的测试数据

基于sift的图像特征提取，使用bagofword模型，后端使用贝叶斯分类器进行分类，实验了五种树叶图像，效果良好。 对于形态特征具有良好的描述能力。

CNN实现对FashionMNIST图像分类 卷积神经网络相对于全连接神经网络的优势: 参数少 -> 权值共享 因为全连接神经网络输入的图片像素较大, 所以参数较多 而卷积神经网络的参数主要在于

老款的minist已经被玩烂了，这款fashion minist数据集用来新手练手学习十分适合

机器学习在图像分类与识别中的应用.pdf