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. CTDDS-CNN-源码

  2. 带有变换域下采样和深度卷积重构的彩色图像压缩 “具有变换域下采样和深度卷积重构的彩色图像压缩”的实现 VCIP2019 电脑断层扫描 压缩相关变换域下采样 深度卷积重构 深度卷积重构 安装 该代码是使用Python 3.5和TensorFlow 1.9.0和CUDA 9.0开发的。 代码v1.0 目前，我们发布了我们的研究代码以进行测试。 在默认配置下，它应产生与论文相同的结果。 测验 易于理解测试功能和测试您自己的数据。 测试用法的示例如下所示： python test.py 引文 如果

  3. 所属分类：其它

  1. ghostnet.pytorch:[CVPR2020] GhostNet-源码

  2. 此仓库仅实现GhostNet的演示代码。 请移至以获取更多详细信息。 幽灵网 此存储库提供了CVPR 2020论文Pytorch演示实现。 带有预训练模型的TensorFlow / PyTorch实现可在。 要求 该代码已在Python3 PyTorch 1.0+上进行了验证。 用法 用法示例： import torch from ghost_net import ghost_net model = ghost_net(width_mult=1.0) input = torch.randn(3

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：932kb
    • 提供者：weixin_42114645

  1. DATA515-Brain-Scan-Classification:该资料库涵盖了华盛顿大学DATA 515课程的脑部扫描肿瘤分类项目。 在我们的项目中，我们训练CNN来预测MRI扫描（.jpg）是否有肿瘤-源码

  2. 脑部扫描分类 DATA 515最终项目 位置： ： 脑部扫描分类是一个机器学习项目，可将2D脑部扫描图像分类为肿瘤或非肿瘤。 我们的网站允许用户将自己（.jpg）的照片上传到模型中，并获得预期的结果。 怎么运行的 导航至 单击“选择文件”按钮，然后从文件资源管理器中选择2D .jpg脑部扫描 点击“提交”按钮，然后等待结果显示在页面顶部 关于模型 对于此项目，我们使用带有一个隐藏层的2D卷积神经网络将2D MRI脑部扫描图像分类为不是肿瘤。 它是使用Tensorflow和Keras构建的

  3. 所属分类：其它

  1. 带有TensorFlow的CNN-源码

  2. 具有TensorFlow和转移学习的卷积神经网络（CNN） 基本CNN的混淆矩阵---------------------带有转移学习的CNN混淆矩阵 项目范围 使用图像数据集制作两个不同的CNN模型，例如基本的CNN模型和具有转移学习的CNN模型，并研究转移学习对CNN模型的性能的影响。 介绍 在本研讨会中，我将向您展示如何在有/没有转移学习和Inception的情况下构建卷积神经网络（CNN）。 我将使用对神经网络特别感兴趣的“ Kagglers”中非常有名的。 数据集由5种不同类别的图像数

  3. 所属分类：其它

  1. 交通信号识别系统的深度学习-源码

  2. 基于深度学习的自动驾驶汽车交通标志识别 科技栈 带有Python 3.7.7 64位的Anaconda环境 Jupyter笔记本 图书馆-Keras，TensorFlow，Scikit-Learn，Scikit-Image，OpenCV，Pandas，Numpy，Matplotlib，TKinter，PIL 介绍 交通标志识别（TSR）是任何自动驾驶系统的基本组成部分。 在不久的将来，移动性依赖于这样的系统，以在包括人和其他自动驾驶车辆的交通中进行安全导航。 该项目的主要目标是设计和开发一个健

  3. 所属分类：其它

    • 发布日期：2021-02-17
    • 文件大小：11mb
    • 提供者：weixin_42134769

  1. 使用深度学习对食物图像进行分类-源码

  2. 使用深度学习对食物图像进行分类 执行摘要 某个图像不仅必须代表一个属性，而且在大多数情况下代表两个以上。 换句话说，可以为单个图像指定多个标题或标签。 这个问题称为多标签分类，用于少数内容检索和场景理解。 对于本研究，使用Keras（带有Tensorflow后端）将多标签分类算法应用于食物图像。 更改了简单的CNN模型，让位于多标签分类。 为了使事情变得容易，特别使用了ResNet50，MobileNet，DenseNet121和Xception等预先训练的CNN模型。 然后，应使用Nanone

  3. 所属分类：其它

    • 发布日期：2021-02-13
    • 文件大小：41mb
    • 提供者：weixin_42136826

  1. 面部表情识别使用CNN：使用Opencv和Tensorflow进行深度面部表情识别。 从图像或相机流中识别面部表情-源码

  2. 在Tensorflow中使用CNN进行面部表情识别 使用卷积神经网络（CNN）从图像或视频/相机流中识别面部表情。 目录 目标是获得一个快速的基准，以比较CNN体系结构在仅使用图像的原始像素进行训练时是否表现更好，或者是否向CNN提供一些额外的信息（例如人脸标志或HOG特征）更好。 结果表明，额外的信息有助于CNN更好地执行。 为了训练模型，我们使用了Fer2013 datset，其中包含30,000个面部表情的图像，分为七个类别：愤怒，厌恶，恐惧，快乐，悲伤，惊喜和中立。 首先使用open

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：326kb
    • 提供者：weixin_42121412

  1. cnn_lstm_ctc_ocr：基于Tensorflow的CNN + LSTM进行了OTC的CTC损失训练-源码

  2. 总览 该集合展示了如何使用CNN功能作为输入并带有CTC损失来构造和训练深度双向堆叠LSTM，以执行可靠的单词识别。 该模型是Shi等人的架构（ ）的直接改编。 提供的代码使用Jaderberg等人的综合数据（ ）MJSynth下载和培训。 值得注意的是，在对不区分大小写的闭合词汇表MJSynth数据进行训练和测试时，该模型实现的测试词错误率低于 （1.82％）。 为Python 2.7编写。 需要TensorFlow> = 1.10（存在针对TF> 1.10的弃用警告，但

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：10mb
    • 提供者：weixin_42113754

  1. tention-ocr：用于文本识别的Tensorflow模型（具有视觉注意的CNN + seq2seq），可作为Python软件包使用，并与Google Cloud ML Engine兼容-源码

  2. 基于注意力的OCR 基于视觉注意的OCR模型，用于图像识别，带有其他工具，用于创建TFRecords数据集并以权重将训练后的模型导出为或冻结图。 致谢 该项目基于和的模型。 您可以在存储库中找到原始模型。 该模型 作者：和。 该模型首先在图像上运行滑动的CNN（将图像调整为高度32，同时保留宽高比）。 然后，将LSTM堆叠在CNN的顶部。 最后，注意力模型用作产生最终输出的解码器。 安装 pip install aocr 注意：Tensorflow和Numpy将作为依赖项安装。 其他依赖项包

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：34kb
    • 提供者：weixin_42106299

  1. FaceRank：FaceRank-基于TensorFlow（添加keras版本）的CNN模型对面Kong进行排名。 FaceRank-人脸打分基于TensorFlow（添加Keras版本）的CNN模型（QQ群：167122861）。技术支

  2. 人脸排名-基于TensorFlow的CNN模型对人脸排名 Keras版本 RankFace 基于深度学习的模型来判断人脸的AQ（外观商）。 （仅适用于中国女孩） 中文说明（QQ群：522785813） 项目总体说明： : 运行详细说明： : Gitee（速度加快） 项目总体说明： ://gitee.com/fendouai/FaceRank/blob/master/cn_readme.md 运行详细说明： : 结果图片 隐私 由于隐私原因，未提供训练图像数据集。 也许稍后会给

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：436kb
    • 提供者：weixin_42104906

  1. 使用带有Tensorflow和Python的深度学习进行车辆检测：此存储库显示了如何训练CNN模型以检测街道上的车辆和其他物体-源码

  2. 物体检测 使用带有Tensorflow和Python的深度学习进行车辆检测 该程序说明了如何从头开始在多个对象的对象检测中训练自己的卷积神经网络（CNN）。 使用本教程，可以识别和检测图片，视频或网络摄像头中的特定对象。 下面描述了在Tensorflow环境中在窗口（10、7、8）上训练模型的步骤。 我使用了TensorFlow-v1.5，但该程序可在将来的版本中使用。 脚步 1.安装Anaconda 访问下载并安装Anaconda 访问 TensorFlow的网站描述了安装细节。 2.

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：272kb
    • 提供者：weixin_42097668

  1. TransFBP：官方纸质守则（arXiv1803.07253）-源码

  2. 转移丰富的深层特征以进行面部美容预测 介绍 此库为我们的论文《提供了源代码。 该代码已经在带有TensorFlow0.12.0的Ubuntu16 .04上进行了测试，新版本可能会给您带来麻烦，因为TensorFlow的API在发布新版本后总是会更改。 拟议方法 实验 我们提出的两阶段方法可在 和数据集上实现最新性能。 TransFBP在数据集上也取得了非常有竞争力的性能。 使用SCUT-FBP数据集进行评估 方法 个人电脑 组合特征+高斯Reg 0.6482 基于CNN 0.8187

  3. 所属分类：其它

  1. tf-estimator-tutorials：该存储库包括有关如何使用TensorFlow estimator API以系统化和标准化的方式执行各种ML任务的教程-源码

  2. TensorFlow Estimator API教程 建立 如果需要设置环境的帮助，请按照安装中的指示进行。 这些教程使用TF估计器API涵盖： 各种ML任务，目前涉及： 分类 回归 聚类（k均值） 时间序列分析（AR模型） 降维（自动编码） 序列模型（RNN和LSTM） 图像分析（用于图像分类的CNN） 文本分析（带有嵌入，CNN和RNN的文本分类） 如何使用固定估计器训练ML模型。 如何使用tf.Transform进行预处理和特征工程（TF v1.7） 实施TensorF

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：11mb
    • 提供者：weixin_42160424

  1. jupyter笔记本：Jupyter笔记本和其他-源码

  2. 布局 标题 上一次更改 维基 Jupyter笔记本 2020/11/15 12:41:21 深度学习 Scikit，学习上的IRIS数据集的感知器，神经网络，Keras。 TensorFlow Implementaion在MNIST数据集。 Softmax，交叉熵损失 使用PyTorch进行梯度计算。 层调试。 验证合并，连接方法。 在文本嵌入上验证Conv1D。 验证Image数据集上的Conv2D。 验证LSTM计算。 器具Seq2Seq学习的执行加法。 器具Seq2Se

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：19mb
    • 提供者：weixin_42097208

  1. xai-cnn-lrp:该存储库包含使用分层相关传播解释一维卷积神经网络（1D-CNN）的代码-源码

  2. cncnn-lrp 该存储库包含使用本文解释的原理来解释一维卷积神经网络（1D-CNN）的代码。解释技术在于计算各种n-gram特征的相关性，并确定足够和必要的n-gram。该项目带有一个多通道1D-CNN模型生成器，可用于生成测试模型。 依存关系： - Anaconda (python 3.6) - keras (tested on 2.2.4) - tensorflow (1.13.1) - numpy (1.16) - pandas (0.24) 该项目包含4个主要目录： data /

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：14mb
    • 提供者：weixin_42120405