图像分类的性能在很大程度上取决于特征提取的质量。卷积神经网络能够同时学习特定的特征和分类器,并在每个步骤中进行实时调整,以更好地适应每个问题的需求。本文提出模型能够从遥感图像中学习特定特征,并对其进行
基于卷积神经网络的风格迁移算法,模型使用VGG-19,实验环境:Tensorflow2.0,python3.6,支持GPU加速
传统的手势识别系统由特征提取和分类器组成,需要人工设计特征,但很难达到足够满意的效果且耗费大量的时间。将卷积神经网络应用于手势识别,能直接把图像数据输入网络,且不用进行复杂的前期预处理。卷积神经网络拥
基于深度学习的卷积神经网络matlab代码,直接利用matlab自带的CNN工具包设计深度学习网络,代码可以直接运行,也便于修改,主代码很短,很容易理解。提供全套训练数据与测试数据,稀有资源
十分简单的,易于理解的CNN神经网络用于手写数字分类,基于TensorFlow,适合初学者掌握理解。
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
卷积神经网络是深度学习最重要的模型之一。本书是卷积神经网络领域的入门读物,假定读者不具备任何机器学习知识。书中尽可能少地使用数学知识,从机器学习的概念讲起,以卷积神经网络的最新发展结束。本书首先简单介
神经网络所具有的自学习、自适应和很强的信息综合能力,决定了它可以很好地模拟人眼的功能,完成普通的边缘算子难以完成的边缘检测。