基于卷积神经网络的人脸识别方法_陈耀丹.caj

神经网络是近年来受到国内外广泛关注的高新技术，不同科学的科技人员对其进行了深入的研究，并取得了许多有价值的研究成果，利用BP网络实现图像质量评价，选取图像的几个特征向量作为BP网络的输入。一般BP的输

人工神经网络模式识别的一个课程设计，报告包含实现过程，实现效果介绍，可作为同类课程设计参考

有兴趣研究神经网络的朋友下来看看，资源中的一些知识个人认为不错

利用caffe实现声音识别

Python+CNN+Tensorflow识别手势,目前做到了0-7的手势。文件为源代码和训练集。主要是调用OpenCV,预处理的主要步骤为:去噪 -> 肤色检测 -> 二值化 ->

完整的神经网络用语手写数字识别的方法，可用于毕设与论文

为解决人脸关键点定位受到姿态、光线、表情以及遮盖问题的影响而使得定位效果可靠性不佳的问题，提出了一种基于并行卷积神经网络的人脸关键点定位方法。利用卷积神经网络对局部细节特征提取以及深度学习的特点，设计

上传一张车牌照片，可以是远距离拍摄的，代码会先进行车牌定位，然后切割出车牌区域，再经过灰度化，二值化等导入训练好的神经网络，得到车牌；另外神经网络可以调节层数，学习速率，训练次数等参数来训练调整新的网

卷积神经网络用于文字识别，在经典的模式识别中，一般是事先提取特征。提取诸多特征后，要对这些特征进行相关性分析，找到最能代表字符的特征，去掉对分类无关和自相关的特征。然而，这些特征的提取太过依赖人的经验

python+tensorflow实现CNN识别MNIST手写数字数据集，需要自己下载MINIST数据集