暂无评论
此代码包含使用LeNet卷积神经网络进行图像分类所需的步骤。代码包括数据预处理、模型训练和评估。
基于卷积神经网络的人脸识别研究_叶浪.caj
卷积神经网络CNN研究的相关文章指导，为学者提供一些思路，CNN当前较火热，不断被用于更多的领域，包含图像处理，图像分类，目标检测等等。
作为一个十余年来快速发展的崭新领域，深度学习受到了越来越多研究者的关注，它在特征提取和建模上都有着相较于浅层模型显然的优势．深度学习善于从原始输入数据中挖掘越来越抽象的特征表示，而这些表示具有良好的泛
主要描述了卷积神经网络在特征识别方面的应用,详细描述了卷积神经网络的原理,应用方法,还有信号特征的提取方法
为解决卷积神经网络在提取图像特征时所造成的特征信息损失，提高图像检索的准确率，提出了一种基于改进卷积神经网络LeNet-L的图像检索算法。首先，改进LeNet-5卷积神经网络结构，增加网络结构深度；然
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
针对传统方法进行图像分割易受噪声影响问题，提出了一种基于全卷积神经网络的林木图像分割方法。该方法不需要对图像进行预处理，利用上池化和反卷积层恢复图像分辨率，采用跳跃连接降低网络复杂度，同时避免了梯度消
贫困一直是世界各国政府和研究人员关注的主题之一，特别是在发展中国家。遥感图像由于其大范围的观测，及时性和周期性而被广泛用于贫困评估中。在这项研究中，我们探索卷积神经网络（CNN）结合遥感图像在区域贫困
.
暂无评论