注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. substitute_boundary_attack:机器学习2021课程的最终项目。替代模型边界攻击的实现-源码

  2. 代理模型可帮助黑匣子对抗攻击 Skoltech的E.Burnaev，A.Zaytsev等人的《机器学习2021》课程 团队成员：Matvey Morozov，Anna Klueva，Elizaveta Kovtun，Dmitrii Korzh 介绍 对抗攻击是一种利用深度学习模式的非稳健性的方法，这意味着对输入的轻微修改可能导致模型无法获得正确的答案。在该项目中，我们考虑针对图像分类问题对深层神经网络进行边界黑箱对抗攻击的修改。在生成攻击示例的过程中，我们基于受攻击模型的替代模型使用了额外的步

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：90mb
    • 提供者：weixin_42176612

  1. iExpressionNet-源码

  2. 注意：requirements.txt不包含pytorch安装，您将需要单独安装pytorch iExpressionNet 介绍 拟议的项目将专注于利用深度学习来检测人类的面部表情。尽管过去有很多涉及表情分类的项目：（ ）和（ ），但我们在检查这些主题时注意到了一个主题项目表明，在表达分类器上的训练准确性通常比验证准确性要高得多。换句话说，可能是这些模型很难在不同的面Kong之间推广表情。这可能是由于数据集中存在大量不同的面Kong。 虽然我们不会尝试在该项目中提高深度学习模型对面部表情

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：74mb
    • 提供者：weixin_42162171

  1. Hyperspectral-Image-Classification-using-Deep-Learning:使用具有转移学习功能的深度神经网络架构进行高光谱图像分类-源码

  2. 利用深度学习对高光谱图像进行分类 使用具有转移学习功能的深度神经网络架构进行高光谱图像分类 这是尝试从论文中实现SGCNN-X（混洗组卷积神经网络）模型的尝试，其中X代表卷积层数。 要使用转移学习对Hypersectral影像进行分类，请执行以下步骤（来源：印度松树，目标：博茨瓦纳） 使用地面真实图像将图像和标签中大小为SXSX 64 （S-样本大小）的样本分配给这些样本。 使用变量overlay_ratio提取样本，这会生成多个数据集。 25％的重叠率意味着，当且仅当来自同一类别的下一个样

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：190mb
    • 提供者：weixin_42139252

  1. Saudi-Riyal-Image-Recognition:卷积神经网络的沙特里亚尔图像识别-源码

  2. 沙特里亚尔图像识别 演示版 概述 这是一个简单的图像分类Flask应用程序，在Keras API的顶部进行了培训。 经训练的模型（ cnnModel.h5 ）拍摄图像（沙特阿拉伯里亚尔）作为输入，并从1，5，10，20，50，100，200，500面额预测类的图像。 动机 当我浏览一些研究论文时，对货币图像进行分类的想法震惊了我。 我找不到与之相关的任何相关研究论文（当然还有数据集！）。 这导致我收集了沙特阿拉伯里亚尔的图像，并使用惊人的工具来训练深度学习模型。 技术方面 该项目分为三个部分：

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：470kb
    • 提供者：weixin_42172972

  1. pneumonia-image-diagnostic-源码

  2. ![Image](image url) 肺炎影像诊断 介绍 随着数据分析Ironhack训练营的结束，我们面临着开发最终项目的任务，在该项目中，我们将学习在过去七周中学到的一些技能。 这些技能之一是训练神经网络对图像进行分类，这是该项目的主要目标。 通过监督学习，我将开发一个进行胸部X线检查并诊断为肺炎的深度学习模型。 作为该项目的起点，我使用了其中包含将近6,000个X射线图像（JPEG），分为两个类别（肺炎/正常）。 使用的图书馆 在项目期间，我使用了以下库： 大熊猫 脾气暴躁的 凯拉斯

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：196mb
    • 提供者：weixin_42170790

  1. CIFAR-10_keras_CNN_model：这是一个简单的python项目，具有keras CNN模型和GUI界面，用于选择keras模型并使用图像对其进行测试-源码

  2. CIFAR 10 keras CNN模型 这是一个具有keras CNN模型和GUI接口的简单python项目，用于选择keras模型并测试该模型以对图像进行分类 用法 要训​​练新模型，您只需要运行train_model.py文件，如果您想更改训练的设置，就需要进行修改，并根据自己的喜好对其进行修改。 该模型现在的准确度达到80％以上，并且由于我没有Nvidia GPU，因此需要花费一段时间来训练该模型50个以上的时间，但是我敢肯定，将其运行更多的时间可以提高最终的准确度。 注意事项 我刚刚开

  3. 所属分类：其它

    • 发布日期：2021-02-27
    • 文件大小：16mb
    • 提供者：weixin_42116596

  1. CarND交通标志分类器项目：使用Python和Tensorflow构建的交通标志分类神经网络-源码

  2. 项目：深度学习中的交通标志识别 概述 在这个项目中，使用python和TensorFlow来构建和训练卷积神经网络来对交通标志进行分类。 该模型在集中的交通标志图像上经过了验证。 该项目的详细文章可以在找到。 计划摘要 该项目的目标/步骤如下： 加载数据集 探索，总结和可视化数据集 设计，训练和测试模型架构 使用模型对新图像进行预测 分析新图像的softmax概率 依存关系 本实验要求： 可以使用CarND Term1入门工具包创建实验室环境。 单击了解详细信息。 数据集和存储库 下载数据集。

  3. 所属分类：其它

    • 发布日期：2021-02-19
    • 文件大小：12mb
    • 提供者：weixin_42134097

  1. 图像分类：这是对图像进行分类的深度学习模型-源码

  2. 此仓库具有我的图像分类模型开发的历史。 模型代码开始于从Kaggle下载胸部X射线数据集。 然后要预处理数据集，请删除损坏的图像。 基本模型由4组卷积和maxpooling层组成，然后是平坦层和2个致密层。 模型版本2与基本模型相似，但是增加了增强功能。 为了比较这些模型，针对时期绘制了精度曲线和损耗曲线。 另外，输入一组测试图像以测试训练后的模型，并绘制混淆矩阵和ROC曲线。

  3. 所属分类：其它

  1. SceneClassification：使用各种深度学习模型对世界各地的场景进行分类-源码

  2. 场景分类 该项目主要涉及图像分类。 这里的目标是使用深度神经网络将全球场景分类为六种可能的类别之一。 场景分类的应用范围可以从在智能手机中组织照片，通过旅游业规划促进国家经济增长等方面。 数据集是Kaggle提供的英特尔图像分类。 （ ）总共有25,000张图像，其中17,000张被标记为6类，包括建筑物，森林，冰川，山脉，海洋和街道。 使用训练集中的图像对模型进行训练，并预测预测集中的图像类别。 本项目对自训练模型和预训练模型进行了实验，并对所有模型的性能进行了比较和分析。 有关如何运行

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：700kb
    • 提供者：weixin_42134094

  1. YOLOv4-object：我们修改NMS procecss-源码

  2. YOLOv4-object：对象发现的有效模型和方法 此仓库基于 。 抽象 对象发现是指识别图像中的所有未知对象，这对于机器人系统探索未知环境非常重要。 近年来，基于深度学习方法的物体检测模型在物体分类和定位方面取得了令人瞩目的成就。 但是，这些模型很难处理看不见的环境，因为要详尽地预定义所有类型的对象是不可行的。 在本文中，我们提出了模型YOLOv4-object来通过修改YOLOv4的输出空间和相关的图像标签来识别图像中的所有对象。 在COCO数据集上进行的实验通过实现65.13％的查全率

  3. 所属分类：其它

    • 发布日期：2021-02-10
    • 文件大小：15mb
    • 提供者：weixin_42121412

  1. 塑料检测模型：用于识别塑料，玻璃，纸张，垃圾，金属和纸板的图像识别模型。 它用于检测海洋中的这些污染，从而消除这些物质，帮助海洋生物，渔民，旅游业并使世界抵御气候变化-源码

  2. 张量流图像检测 通用图像检测程序，使用Google的机器学习库， 和经过预训练的深度学习卷积神经网络模型（称为 。 该模型已经使用2012年的数据进行了大型视觉识别挑战赛的预训练，并且可以区分1000种不同的类别，例如达尔马提亚，洗碗机等。该程序将Transfer Learning应用于该现有模型并将其重新训练为对一组新图像进行分类。 这是通用设置，可用于对几乎所有类型的图像进行分类。 我创建了一个小演示，该演示对两个图像数据集（我的照片和我的女友的照片）进行了分类，并返回一个预测分数，表明

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：43mb
    • 提供者：weixin_42181319

  1. 印度纸币汇率预测：印度纸币预测的源代码-源码

  2. 印度纸货币预测 :India: 表中的内容 演示版 链接： ： 总览 这是在Keras API顶部培训的简单图像分类Flask应用程序。 经训练的模型（ app/model/model.h5 ）拍摄图像（印纸币）作为输入，并从10，20，50，100，200，500，2000面额预测类的图像。 动机 有什么办法可以利用不幸的锁定期？ 像你们大多数人一样，我花时间在烹饪，Netflix，周末编码和阅读一些最新研究论文上。 当我浏览一些研究论文时，对印度货币进行分类的想法震惊了我。 我找不到与之相

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：73mb
    • 提供者：weixin_42156940

  1. 深度场景分类：直方图，SIFT和基于深度学习的功能之间场景分类准确性的比较-源码

  2. 深度场景分类 在计算机视觉文献中，使用某些某些不同的场景图像进行场景分类是非常重要且至关重要的问题。 特别是，用计算机实现自动化将在机器人和自动化方面带来巨大收益。 尽管计算机距离人类的视觉理解能力还很远，但是研究人员在这一领域做出了许多重大贡献。 作为一般分类问题，图像场景分类问题具有相同的两个基本步骤。 这些分别是特征提取和分类。 特征提取步骤包括弄清楚必须如何表示场景图像。 如果我们以人类的视觉理解为类比，则人类的大脑会对图像进行编码并为其添加某些特定特征的索引。 让我们假设我们一看到苹

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：39mb
    • 提供者：weixin_42160645

  1. Albumentations：快速的图像增强库，易于使用的其他库包装器。 文档：https：albumentations.aidocs关于库的论文：https：www.mdpi.com2078-2489112125-源码

  2. 精炼 Albumentations是用于图像增强的Python库。 图像增强用于深度学习和计算机视觉任务，以提高训练后的模型的质量。 图像增强的目的是根据现有数据创建新的训练样本。 这是一个示例，该示例说明如何应用“专辑”中的一些增强功能以​​从原始图像中创建新图像： 为什么要进行白化 专辑例如分类，语义分割，实例分割，对象检测和姿势估计。 该库提供 ，可用于所有数据类型：图像（RBG图像，灰度图像，多光谱图像），分段蒙版，边界框和关键点。 该库包含，可从现有数据中生成新的训练样本。

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：169kb
    • 提供者：weixin_42123237