genuine961
这家伙很懒，什么也没写
使用re.Net制作人脸表情识别的示例
考虑到数据集的分辨率较低，本示例使用resnet模型进行人脸表情识别。同时，为方便使用，提供一个小工具，可以方便地下载网上的图片进行识别。请注意，本示例旨在让读者了解如何使用resnet进行人脸表情识别，数据集及其效果并非最佳。
深度学习 0 0 7z 2023-05-26 15:05:14
如何可视化神经网络中的权重信息和特征图附测试demo
本文讲述如何利用AlexNet对分类花数据集的中间隐藏层输出特征图进行可视化，同时演示如何对训练好的神经网络参数进行可视化。详细介绍了几种常见的可视化方法和工具，并附上相关代码和测试demo供读者参考。
深度学习 0 0 zip 2023-05-24 09:05:44
Re.Net34基于CIFAR10数据计算查准率和召回率的混淆矩阵python代码
本文介绍如何使用Python编写混淆矩阵的计算代码，以评估Resnet34模型在CIFAR10数据集上的性能。同时，我们还详细讲解了如何计算查准率和召回率，以及如何解释混淆矩阵的结果。代码十分简洁明了，并且可以轻松地适配到其他模型和数据集中去。
深度学习 0 0 zip 2023-05-23 23:05:29
图像分类数据集的划分及dataloader实现方法示例教程
本教程将介绍如何将图像分类数据集进行划分和处理，并使用dataloader的collate_fn对数据进行批量处理。首先，数据集的划分应该遵循一定的规则，比如按照类别划分、按照比例划分等。在处理数据时，需要使用dataSet进行重写，主要是对数据进行预处理、变换、增强等操作。接下来，我们将介绍
深度学习 0 0 zip 2023-05-23 11:05:20
花卉分类研究基于shuffl.Net V1和V2的数据分析
该研究借助花数据集，采用shufflenet V1和V2进行了花卉的分类研究。通过对数据进行分析，发现shufflenet V2的分类准确率优于V1，同时提出了未来研究的方向和难点。该研究对于应用深度学习算法进行花卉分类具有一定的参考价值。
深度学习 0 0 zip 2023-05-22 16:05:42
Mobil.Net实现图像屏幕和视频识别
本文将介绍基于MobileNet的图像识别技术，包括对于图片、电脑屏幕的固定区域的识别以及对于电脑摄像头和视频文件的实时识别。我们将探讨MobileNet对于各种图像类型的识别表现，以及如何使用预训练的MobileNet模型实现高效的图像处理。同时我们将讨论在使用MobileNet模型时可能会
深度学习 0 0 zip 2023-05-19 23:05:11
Mobil.Net网络在CIFAR10数据集中的效果评估
本文通过对MobileNet V1、V2和V3在CIFAR10数据集上的训练和迁移学习进行实验，探究其对图片分类任务的效果。实验结果显示，MobileNet V3在CIFAR10数据集上的分类准确率最高，达到了95.2%。
深度学习 0 0 7z 2023-05-18 22:05:00
利用迁移学习的Re.Net实现CIFAR10的分类任务
如何使用迁移学习的ResNet结构对CIFAR10数据集进行分类任务，并讨论了不同层数和迁移策略下的实验结果。我们使用了pytorch框架来实现模型搭建和训练，同时也提供了训练代码的Github链接。最终，我们得到了高于98%的准确率，证明了ResNet在图像分类领域的优越性能。
深度学习 0 0 zip 2023-05-09 06:05:39
应用GoogL.Net网络进行CIFAR10数据识别
基于深度卷积神经网络的CIFAR10数据识别是一个重要的应用领域。使用GoogLeNet网络进行CIFAR10数据的识别和分类，通过对网络结构的解析和实验结果的分析，说明了GoogLeNet网络能够有效地提升识别准确率，并具有一定的可行性和实用价值。
深度学习 0 0 zip 2023-05-08 02:05:31
CIFAR10数据集上应用VGG网络的演示
本文将介绍如何在CIFAR10数据集上应用VGG网络进行物体识别的演示。VGG网络是目前在图像分类任务中最好的网络之一，能够很好地提取图像特征。在本演示中，我们将介绍如何使用Tensorflow框架搭建VGG网络，并对CIFAR10数据集进行训练和测试。我们还将展示一些训练中的技巧和注意事项，
深度学习 0 0 zip 2023-05-07 17:05:52
皮肤病分类模型的预处理方法以re.Net34为例
使用resnet34模型对皮肤病进行分类的预处理方法。通过从txt文件中读取one-hot编码信息，将不同类别的数据图像保存到对应的文件夹，然后对分类好的数据进行划分训练集和测试集，以便于建立更准确的皮肤病分类模型。
深度学习 0 0 zip 2023-05-07 11:05:13
CV视频文件实时检测肺结节
利用计算机视觉技术读取视频文件，对肺结节进行实时目标检测。在此过程中，使用了深度学习算法和卷积神经网络，从而实现高度准确的识别与检测。该技术为肺部疾病早期筛查提供了一种高效、快捷的方法。
深度学习 0 0 zip 2023-05-05 14:05:40
实时血细胞视频检测技术详解
一种基于计算机视觉技术的实时血细胞视频检测方法，详细阐述了该技术的原理和应用场景。通过对视频像素进行处理和分析，能够准确效率地检测出血细胞的数量和形态，为后续的医疗诊断提供了可靠的数据支持。同时，还介绍了该技术的不足之处和可改进之处，希望借此来促进国内计算机视觉技术的进一步发展。
深度学习 0 0 zip 2023-05-04 01:05:10
用Faster RCNN算法提高肺结节目标检测准确率的方法
如何使用Faster RCNN算法提高肺结节目标检测准确率，包括数据准备、模型训练和测试等方面的详细步骤和注意事项。针对一些常见的问题，我们也提供了一些解决方案和优化建议，以帮助用户在实际应用中取得更好的效果。
深度学习 0 0 zip 2023-05-03 20:05:00
如何创建自己的图像分类语义分割和目标检测数据集
本文将详细介绍如何创建自己的图像分类、语义分割和目标检测数据集，包括数据集的采集、标注和处理方法。通过学习本文，读者将能够掌握如何创建高质量的自定义数据集，以应用于各种计算机视觉任务。
深度学习 0 0 zip 2023-04-28 23:04:25
快速RCNN算法在血液细胞目标检测中的应用
快速RCNN是一种用于检测目标的深度学习算法，该算法结合了区域提议网络（Region Proposal Network）和分类网络（Convolutional Neural Network），以实现非常快速和准确的目标检测。在血液细胞目标检测方面，使用Faster RCNN算法可以对血液细胞进
深度学习 0 0 zip 2023-04-28 02:04:00
MRI腹部多脏器分割方法详解
一种基于MRI腹部器官的多分类分割方法，包括数据集划分、image和label的加载、详细的算法流程等。通过本方法可以实现对腹部多个器官的分割，为医学诊断提供更全面的参考。
深度学习 0 0 zip 2023-04-22 10:04:09
肝脏CT分割项目基于re.Net34模型
针对肝脏CT的分割任务，我们采用了基于resnet34模型的语义分割方法进行处理，旨在提高分割的准确性和效率。该方法经过实验验证，在肝脏CT图像上具有较好的性能表现。同时，我们也提供了相关的代码和PPT模板文件，供感兴趣的研究人员进行参考和使用。
深度学习 0 0 zip 2023-04-21 15:04:52
使用.Net和TCGA数据的颅脑肿瘤MRI分割
运用PyTorch的高阶API分割模型对TCGA颅脑肿瘤MRI数据进行语义分割，提高MRI图像的可视化效果和准确性。
深度学习 0 0 zip 2023-04-21 12:04:22
.Net算法在颅脑肿瘤分割中的应用及分析
Unet算法在TCGA颅脑肿瘤MRI分割中的应用，其中重点探讨了交叉熵损失函数在分割中的作用，同时结合多通道输出对分割结果进行了分析和评价。通过实验结果表明，Unet算法相较于传统算法在颅脑肿瘤分割中取得了更好的效果。
Python 0 0 zip 2023-04-21 00:04:54