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. 基于深度学习的图像识别算法研究

  2. 本文介绍了基于深度学习的图像识别技术，将深度学习和和支持向量机结合，将多个限制性波尔兹曼机与SVM连接构建多层分类模型，并将其应用到图像识别中。

  3. 所属分类：深度学习

    • 发布日期：2017-11-29
    • 文件大小：2mb
    • 提供者：cyj2014go

  1. 深度学习及其在淘宝图像应⽤探讨

  2. 深度学习及其在淘宝图像应⽤探讨，⼥装图像类⽬预测，采⽤基于深度学习的图像分类⽅法训练⼥装分类的模型

  3. 所属分类：深度学习

    • 发布日期：2018-03-10
    • 文件大小：1mb
    • 提供者：ojimodeye12345

  1. 基于深度学习的图像识别算法研究

  2. 第l章绪论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．1 1．1研究的目的及意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．1 1．2图像识别概述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一l 1．2．1图像的特征提取⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯2 1．2．2图像识别的方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯3 1．3深度学习的发展和研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．4 1．3．1深度学习的发展⋯⋯

  3. 所属分类：深度学习

    • 发布日期：2018-06-28
    • 文件大小：4mb
    • 提供者：u011582920

  1. 基于深度学习的图像识别

  2. 基于深度学习的图像识别，图像分割、图像特征提取、分类器识别这三步骤。而由于文本信息的特殊性，没有固定的形状和合理的目标分界线，传统的图像识别方式 要识别自然场景下的文本信息是相对比较困难的。

  3. 所属分类：深度学习

    • 发布日期：2019-03-19
    • 文件大小：10mb
    • 提供者：qq_41868406

  1. 基于深度学习的图像分类方法研究_孟丹.caj

  2. 本文在深度学习框架的基础上对特征提取方法进行了研究,并通过医学图像、人脸表情的检测和分类对其效果进行了验证。本文的研究内容主要包括以下三点:1)提出有约束的高分散主成分分析网络(Constrained High Dispersal PCANet,CHDNet)。本文详细分析了 CHDNet的不同组件对分类性能的影响,针对PCANet的局限性,设计了非线性变化层、多尺度特征池化层,以提高分类性能。将CHDNet应用在医学图像分类中,包括基于Kinect深度图像的人体生理机能自动检测和计算机辅助舌象

  3. 所属分类：深度学习

    • 发布日期：2020-04-02
    • 文件大小：6mb
    • 提供者：olivia_ye

  1. 基于深度学习的面部表情识别研究

  2. 深度学习在语音识别、图像理解等许多应用领域取得了突破性成果。针对基于深度学习的静态 人脸图像表情识别方法进行研究，首先介绍了深度学习的原理，并归纳了目前公开且常用的面部表情数据集；然后 介绍了基于深度学习的表情识别的三个步骤，归纳了图像预处理和表情分类的主要方法，重点总结了目前性能较好 用来提取特征的深度学习框架以及这些方法的基本原理和优劣势比较；最后指出了目前面部表情识别存在的问题和 未来可能的发展趋势。

  3. 所属分类：算法与数据结构

    • 发布日期：2019-04-06
    • 文件大小：557kb
    • 提供者：weixin_44684342

  1. 基于深度学习的图像分类方法

  2. 提出了一种用于图像分类的卷积神经网络，将不同池化方式对图像分类的影响进行了分析对比，采用重叠池化和dropout技术，较好地解决过拟合问题。与传统神经网络相比，该方法在CIFAR-10数据集上获得了较好的结果，在测试集上准确率比训练集上准确率高9%左右。

  3. 所属分类：其它

    • 发布日期：2020-10-16
    • 文件大小：386kb
    • 提供者：weixin_38556668

  1. 基于深度学习的图像分类搜索系统

  2. 图像分类是根据图像的信息将不同类别的图像区分开来，是计算机视觉中重要的基本问题，也是图像检测、图像分割、物体跟踪、行为分析等其他高层视觉任务的基础。深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像、声音和文本。该系统基于Caffe深度学习框架，首先对数据集进行训练分析构建深度学习网络，提取数据集图像特征信息，得到数据对应的分类模型，然后以bvlc-imagenet训练集模型为基础，对目标图像进行扩展应用，实现“以图搜图”

  3. 所属分类：其它

    • 发布日期：2020-10-15
    • 文件大小：671kb
    • 提供者：weixin_38502428

  1. 2月19 基于深度学习的车道线检测

  2. 基于深度学习的车道线检测 相比于haugh方法，DL方法性能提升角度： ROI区域的选择 图像处理过程的参数 处理速度（Haugh变换可能只有4.5-6帧/秒，要想实时，只能丢帧近似处理） 机器学习的子类——深度学习 近来，机器学习的发展产生了一个新的方向，即“深度学习”。 深度学习，就是传统的神经网联发展到了多隐藏层的情况。 2006年，Geoffrey Hinton在科学杂志《Science》上发表了一篇文章，论证了两个观点： 1.多隐层的神经网络具有优异的特征学习能力，学习得到的

  3. 所属分类：其它

  1. missing-fan:基于深度学习的被测设备中风扇缺失的图像分类-源码

  2. 风扇缺失的图像分类 目标 设计基于CNN的深度神经网络（DNN）以推断被测设备中所有风扇的存在 用受过训练的模型开发图像分类应用程序，以推断网络摄像头图像中风扇的实时状态，以进行自动光学检测（AOI）应用程序 粉丝图片 通行证：所有四位粉丝的存在失败：至少缺少一个风扇 数据集和预处理 数据集：705张图像（通过），1000张图像（失败）。在距设备的不同距离和不同角度处捕获图像，以在训练（80％）和验证（20％）数据集中引起更多变化 将图像的色彩空间从BGR转换为RGB 将图像调整为224 x 2

  3. 所属分类：其它

  1. 基于深度学习的空间目标识别

  2. 使用成像自动识别航天器和空间碎片在确保太空安全和太空探索中起着重要作用。 尽管深度学习现在是基于图像的对象分类的最成功解决方案，但它需要大量的训练数据，而这些数据对于大多数实际应用而言是不可用的。 在本文中，我们研究了用于训练和测试图像的不同单一和混合数据增强方法，从而提出了一种基于数据增强的深度学习方法来进行空间目标识别。 通过系统工具包（STK）渲染的400张合成空间目标图像的实验结果表明，我们提出的算法比几种传统方法具有更高的精度。

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：378kb
    • 提供者：weixin_38682054

  1. 如何基于深度学习实现图像的智能审核

  2. 本文来自于个人博客，本文主要介绍了基于深度学习的图像分类与检测方法在图片智能审核中替代了传统机器学习方法。美团每天有百万级的图片产生量，运营人员负责相关图片的内容审核，对涉及法律风险及不符合平台规定的图片进行删除操作。由于图片数量巨大，人工审核耗时耗力且审核能力有限。另外对于不同审核人员来讲，审核标准难以统一且实时变化。所以有必要借助机器实现智能审核。图像智能审核一般是指利用图像处理与机器学习相关技术识别图像内容，进而甄别图像是否违规。图像智能审核旨在建立图片自动审核服务，由机器自动禁止不符合规

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：754kb
    • 提供者：weixin_38575456

  1. ImageClassifier：基于神经网络的图像分类器，带有python命令行界面应用程序-源码

  2. 深度学习•挑战：深度学习模块的Udacity数据科学家纳米学位项目名为“具有深度学习的图像分类器”，它试图训练图像分类器识别不同种类的花朵。 我们可以想象在电话应用程序中使用类似的内容，告诉您相机正在查看的花朵的名称。 实际上，我们必须训练该分类器，然后将其导出以用于我们的应用程序。 我们使用了102种花卉类别的数据集（ ）。 •解决方案：使用火炬视觉加载数据。 数据集分为三个部分：训练，验证和测试。 对于训练，应用了变换，例如随机缩放，裁剪和翻转。 这将有助于网络泛化，从而带来更好的性能。

  3. 所属分类：其它

    • 发布日期：2021-02-14
    • 文件大小：538kb
    • 提供者：weixin_42137723

  1. 基于WAAM缺陷检测视觉的WAAM深度学习（图像分类）-源码

  2. 基于WAAM缺陷检测视觉 WAAM的深度学习（图像分类）

  3. 所属分类：其它

    • 发布日期：2021-02-14
    • 文件大小：22kb
    • 提供者：weixin_42134285

  1. 基于深度学习的极光序列自动分类方法

  2. 提出一种基于深度学习的极光序列分类方法,有效结合卷积神经网络（CNN）特征丰富的空间域信息和长短时记忆（LSTM）网络捕捉序列信息的优势，并利用极光的属性对CNN添加反馈约束调节使特征更契合极光图像。在中国北极黄河站的全天空成像仪（ASI）极光图像数据库上进行有监督的极光序列分类研究和无监督的极光事件检测，实验结果表明本文方法能有效用于极光序列的表征，为海量极光序列的自动分类提供了可能性。

  3. 所属分类：其它

  1. 基于深度学习的高光谱图像空-谱联合特征提取

  2. 由于高光谱遥感数据具有波段多、特征非线性、空间相关等特点, 提出一种基于深度学习的空-谱联合(SSDL)特征提取算法来有效提取数据中的空-谱特征。该算法利用多层深度学习模型--堆栈自动编码机对高光谱数据进行逐层学习, 挖掘图像中的深层非线性特征, 然后再根据每个特征像元的空间近邻信息, 对样本深度特征和空间信息进行空-谱联合, 增加同类数据聚集性和非同类数据分散度, 提升后续分类性能。在帕维亚大学和萨利纳斯山谷高光谱数据集上进行地物分类实验: 在1%样本比例下, 地物总体分类精度达到了91.05

  3. 所属分类：其它

  1. 如何基于深度学习实现图像的智能审核

  2. 本文来自于个人博客，本文主要介绍了基于深度学习的图像分类与检测方法在图片智能审核中替代了传统机器学习方法。 美团每天有百万级的图片产生量，运营人员负责相关图片的内容审核，对涉及法律风险及不符合平台规定的图片进行删除操作。由于图片数量巨大，人工审核耗时耗力且审核能力有限。另外对于不同审核人员来讲，审核标准难以统一且实时变化。所以有必要借助机器实现智能审核。图像智能审核一般是指利用图像处理与机器学习相关技术识别图像内容，进而甄别图像是否违规。图像智能审核旨在建立图片自动审核服务，由机器自动禁止不符合

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：754kb
    • 提供者：weixin_38725902

  1. 一种基于深度学习的多聚焦图像融合算法

  2. 针对深度学习在计算机视觉上的良好表现，提出一种基于深度学习的多聚焦图像融合算法，在原有的AlexNet网络模型基础上改进了卷积核大小、步长等；利用改进后的深度学习网络特有的得分机制分类了聚焦图像块与散焦图像块；使用矫正矩阵矫正了误判图像块，并细分、修复了融合后的图像聚焦与散焦分界区域，得到了融合图像；选取6组多聚焦图像验证了本文算法的有效性。实验结果表明：与其他算法相比, 运用本文算法进行图像融合，能够保存较多的图像原始高频信息,并在互信息、边缘信息保持度、平均梯度和熵等评价指标上取得了较好的表

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：18mb
    • 提供者：weixin_38731385

  1. 基于深度学习的糖尿病视网膜病变诊断方法

  2. 针对糖尿病患者出现视网膜病变的现象,提出一种基于深度学习的糖尿病视网膜病变诊断模型。在保证图像识别模型深度的前提下,通过修改Inception模块的组成减少模型参数,从而提升收敛速度;通过引入残差模块,解决了模型深度增加带来的梯度消失和梯度爆炸等问题;利用数据扩充和设置Dropout的方法,有效避免了数据集不足导致模型出现过拟合的现象,从而实现对糖尿病视网膜病变患病等级的检测。实验结果表明,所提出的DetectionNet深度卷积神经网络对糖尿病视网膜病变患病程度等级分类任务的识别率达到91%,

  3. 所属分类：其它

  1. 基于深度学习的图像目标检测算法综述

  2. 图像目标检测是找出图像中感兴趣的目标，并确定他们的类别和位置，是当前计算机视觉领域的研究热点。近年来，由于深度学习在图像分类方面的准确度明显提高，基于深度学习的图像目标检测模型逐渐成为主流。首先介绍了图像目标检测模型中常用的卷积神经网络；然后，重点从候选区域、回归和anchor-free方法的角度对现有经典的图像目标检测模型进行综述；最后，根据在公共数据集上的检测结果分析模型的优势和缺点，总结了图像目标检测研究中存在的问题并对未来发展做出展望。

  3. 所属分类：其它

« 12 3 4 5 6 7 8 9 10 »