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. 模板匹配和神经网络

  2. 在MATLAB环境下利用USB摄像头采集字符图像，读取一帧保存为图像，然后对读取保存的字符图像，灰度化，二值化，在此基础上做倾斜矫正，对矫正的图像进行滤波平滑处理，然后对字符区域进行提取分割出单个字符，识别方法一是采用模板匹配的方法逐个对字符与预先制作好的字符模板比较，如果结果小于某一阈值则结果就是模板上的字符；二是采用BP神经网络训练，通过训练好的net对待识别字符进行识别。最然后将识别结果通过MATLAB下的串口工具输出51单片机上用液晶显示出来。

  3. 所属分类：其它

    • 发布日期：2012-02-29
    • 文件大小：169kb
    • 提供者：tyc5689123

  1. 识别0-9十个数字，BP神经网络数字识别源代码.rar

  2. 识别0-9十个数字，BP神经网络数字识别源代码 使用说明 第一步：训练网络。使用训练样本进行训练。（此程序中也可以不训练，因为笔者已经将训练好的网络参数保存起来了，读者使用时可以直接识别） 第二步：识别。首先，打开图像（256色）；再次，进行归一化处理，点击“一次性处理”；最后，点击“R”或者使用菜单找到相应项来进行识别。识别的结果显示在屏幕上，同时也输出到文件result.txt中。 该系统的识别率一般情况下为90%。 此外，也可以单独对打开的图片一步一步进行图像预处理工作，但要注意，每一步

  3. 所属分类：Oracle

    • 发布日期：2013-11-13
    • 文件大小：60kb
    • 提供者：u012828028

  1. Visual C++_MATLAB图像处理与识别实用案例精选

  2. 本书系统介绍了图像处理与识别的摹本原理、典型方法和实用技术。全书共分12章，第1章-第6章是图像处理与识别的基础内容，包括图像科学综述、MATLAB语言图像编程、图像增强、图像分割、图像特征提取和图像识别；第7章-第10章是图像处理与识别的工程实例，涵盖了医学图像处理、文字识别和自导引小车路径识别等应用实例，并结合理论算法，提供了大量MATLA8代码程序，以帮助读者掌握如何使用MATLAB语言快速进行算法的仿真、调试和估计等方法。第11章-第12章，是两个综合性较强的实例，分别是Visual

  3. 所属分类：专业指导

    • 发布日期：2014-12-30
    • 文件大小：13mb
    • 提供者：u011217770

  1. 神经网络识别数字

  2. function Hopfield() tic clc; %定义个目标向量 数字5的点阵表示： t5=[-1 -1 -1 -1 -1 -1 1;-1 -1 -1 -1 -1 -1 1;-1 -1 1 1 1 1 1;... -1 -1 1 1 1 1 1;1 -1 -1 -1 -1 1 1;1 1 1 1 1 -1 -1;... 1 1 1 1 1 -1 -1;-1 -1 -1 -1 -1 1 1]';构成这个数字部分的用1表示，否则用-1表示 t7=[-1 -1 -1 -1 -1 -1 -1

  3. 所属分类：互联网

    • 发布日期：2015-11-19
    • 文件大小：2kb
    • 提供者：qq_32939597

  1. 基于BP神经网络的图像识别研究

  2. 摘要:BP神经网络具有较强的容错性和自适应学习能力，因而在数字图像识别领城有若广泛的应用。本丈在经典BP神 经网络的基本算法的基础上，对BP算法的参数设1进行了优化，实现了一种基于分类的改进BP神经网络算法。通过探 讨BP神经网络在数字图像分类识别中的应用，详细考察了各种参数对识别效果的影响。实脸结果证明改进后的算法有很好的实用价值。

  3. 所属分类：网络基础

    • 发布日期：2009-02-15
    • 文件大小：265kb
    • 提供者：weewwewe

  1. 基于卷积神经网络的视频分类检索

  2. 随着深度学习在图像识别领域的巨大成功，深度学习被应用到越来越多的领 域，包括视频处理领域，文本处理领域以及音频处理领域。卷积神经网络是深度学习中非常重要的一类网络模型，它和传统神经网络的区别在于引入了卷积层、池化层。卷积神经网络在图像识别领域取得成功之后，研究人员开始逐步将其应用于视频分类任务中，并取得了分类效果上的提高，这充分说明了卷积神经网络在视频分类任务中起到的重要作用。 本文的研究内容在于实现一个通用且有效的分类检索模型。在图像研究领域 有研究人员提出在卷积神经网络中引入哈希层来得到图

  3. 所属分类：讲义

    • 发布日期：2018-05-24
    • 文件大小：6mb
    • 提供者：baidu_39286007

  1. 卷积神经网络入门到精通微篇

  2. 卷积神经网络，是一种前馈神经网络，人工神经元可以响应周围单元，可以进行大型图像处理。卷积神经网络包括卷积层和池化层。 卷积神经网络包括一维卷积神经网络、二维卷积神经网络以及三维卷积神经网络。一维卷积神经网络常应用于序列类的数据处理；二维卷积神经网络常应用于图像类文本的识别；三维卷积神经网络主要应用于医学图像以及视频类数据识别。

  3. 所属分类：深度学习

    • 发布日期：2018-07-31
    • 文件大小：2mb
    • 提供者：pinkuang3943

  1. 改进的基于卷积神经网络的图像超分辨率算法

  2. 针对现有的基于卷积神经网络的图像超分辨率算法参数较多、计算量较大、训练时间较长、图像纹理模糊等 问题，结合现有的图像分类网络模型和视觉识别算法对其提出了改进。在原有的三层卷积神经网络中，调整卷积 核大小，减少参数；加入池化层，降低维度，减少计算复杂度；提高学习率和输入子块的尺寸，减少训练消耗的时间； 扩大图像训练库，使训练库提供的特征更加广泛和全面。实验结果表明，改进算法生成的网络模型取得了更佳的 超分辨率结果，主观视觉效果和客观评价指标明显改善，图像清晰度和边缘锐度明显提高。

  3. 所属分类：深度学习

    • 发布日期：2018-08-30
    • 文件大小：3mb
    • 提供者：czzc1990

  1. 基于卷积神经网络的道路车辆检测方法

  2. 提出了一种基于卷积神经网络的前方车辆检测方法。首先，根据车底阴影特征，运用基于边缘增强的路面检测算法以及车底阴影自适应分割算法来分割并形成车底候选区域，以解决路面灰度分布不均及光照条件变化问题；其次，运用针对道路交通环境的卷积神经网络结 构，建立图像样本库进行网络训练；在此基础上，采用基于卷积神经网络识别的方法以验证并剔除被误检测为车底阴影的候选区域，进而确定真正的车辆目标；最后，修改网络为三分类识别，以验证本文方法的强扩展性的优势。实验结果表明：本文提出的车辆检测方法能够很好地区分车底阴影和

  3. 所属分类：深度学习

    • 发布日期：2018-08-30
    • 文件大小：949kb
    • 提供者：czzc1990

  1. CNN基本入门总结（归纳）下

  2. 介绍神经网络与卷积神经网络：图像识别与定位、思路1：视作回归、思路2：图像+识别与整合，物体识别边缘策略/选择性搜索=>R-CNN、R-CNN=>Fast R-CNN、Fast-CNN=>Faster R-CNN；图像分割

  3. 所属分类：机器学习

    • 发布日期：2018-10-30
    • 文件大小：18mb
    • 提供者：m0_43553676

  1. bp神经网络在车牌识别中技术中的应用

  2. bp神经网络在车牌识别技术中的应用 就是一些简介目前， 一些发达国家已经将车牌识别技术应用在不停车收费系统和交通监控系统的实际系统中， 在全天候的条件下识别 精度超过 95％；国内车牌识别技术发展较慢，虽然取得了一些 成果，但仍停留在实验室阶段，目前的实验室识别进度为 90％， 而在全天候条件下识别精度约为 80％，远达不到实际应用的要 求。 车牌识别系统主要分为车牌定位、字符分割和字符识别三个 部分。 目前，车牌识别主要有以下几种识别方法：模板匹配法、特 征统计匹配法和神经网络识别法。 模板

  3. 所属分类：交通

    • 发布日期：2018-12-20
    • 文件大小：212kb
    • 提供者：qq_38940612

  1. 基于图像识别的带式输送机输煤量和跑偏检测方法

  2. 传统的卷积神经网络（CNN）是单任务网络，为实现带式输送机输煤量和跑偏的同时检测，使用2个卷积神经网络分别对输煤量和跑偏进行检测，导致网络体积大、参数多、计算量大、运行时间长，严重影响检测性能。为降低网络结构的复杂性，提出了一种基于多任务卷积神经网络（MT-CNN）的带式输送机输煤量和跑偏检测方法，可使输煤量检测和跑偏检测这2个任务共享同一个网络底层结构和参数。在VGGNet模型的基础上，增大卷积核和池化核的尺度，减少全连接层通道数量，改变输出层结构，构建了MT-CNN；对采集的输送带图像进行灰

  3. 所属分类：其它

  1. 深度学习卷积神经网络可检测和分类番茄植物叶病

  2. 番茄作物是市场上的重要主食，并且是日常食用的最常见的作物之一。 植物或农作物疾病导致生产质量和数量下降； 因此，对这些疾病的检测和分类非常必要。 感染番茄植物的疾病有很多类型，例如细菌斑，晚疫病，裁缝叶斑，番茄花叶和黄色弯曲。 早期发现植物病害可提高产量并提高其质量。 当前，智能方法已被广泛用于检测和分类这些疾病。 这种方法可以帮助农民识别类型吗？ 感染农作物的疾病 当前工作的主要目的是应用一种现代技术来识别和分类疾病。 智能技术基于使用卷积神经网络（CNN）的技术，而卷积神经网络是机器学习的一

  3. 所属分类：其它

  1. 基于深度卷积神经网络与迁移学习的鱼类分类识别.pdf

  2. 高效的鱼类分类识别是海洋牧场智能化监测的基础 . 传统的通过浅层模型，利用目标特征 的分类识别方法效率低下，泛化性差，难以实现智能化应用；而重建并训练深度卷积神经网络（DCNN） 模型占用巨大的计算机资源 . 文章提出一种基于 DCNN 和迁移学习的方法，针对新图像数据集，通过选 择训练参数，对预训练模型进行再训练，实现鱼类的分类识别 . 通过实验证实，这种方法可在占用少量 的计算机资源情况下，达到 97.14% 的验证准确率 . 使用基于 DCNN 与参数迁移的学习策略可以得到性 能良好的深度

  3. 所属分类：深度学习

  1. 识别0-9十个数字，BP神经网络数字识别源代码.rar

  2. 识别0-9十个数字，BP神经网络数字识别源代码 使用说明 第一步：训练网络。使用训练样本进行训练。（此程序中也可以不训练，因为笔者已经将训练好的网络参数保存起来了，读者使用时可以直接识别） 第二步：识别。首先，打开图像（256色）；再次，进行归一化处理，点击“一次性处理”；最后，点击“R”或者使用菜单找到相应项来进行识别。识别的结果显示在屏幕上，同时也输出到文件result.txt中。 该系统的识别率一般情况下为90%。 此外，也可以单独对打开的图片一步一步进行图像预处理工作，但要注意

  3. 所属分类：Oracle

    • 发布日期：2020-02-16
    • 文件大小：59kb
    • 提供者：panxiang162497

  1. 基于BP神经网络的手写体数字识别系统

  2. 本系统包括：1.使用MATLAB自用工具包调用摄像头，进行图像处理、分割、保存，形成自制的训练集与测试集识别数字0与2，但是其他数字也可以，读者可自己进行操作验证；2.特征提取部分采用了粗网格特征提取，最大限度地降低了特征的维度；3.使用训练集训练神经网络；4.使用测试集得到最优的神经网络神经元个数之后；进行最终测试，达到使用摄像头对写有数字的A4纸进行拍照，然后会输出识别情况；说明：为降低噪声，应该将整张A4纸置于摄像头取图框内；另外，由于神经网络的训练不够，需要多次尝试可能成功，识别率目前不

  3. 所属分类：互联网

    • 发布日期：2020-06-22
    • 文件大小：63kb
    • 提供者：DBLCHANGE123

  1. bp神经网络.rar

  2. bp神经网络的手写数字识别 100个图片集+代码+gui界面+实验报告 学习研究基于BP神经网络的图像识别的理论和方法，利用Matlab或Visual C++设计程序完成以下功能；将手写数字存于1幅图像中，设计BP神经网络对图像中的汉字进行识别，输出识别结果；

  3. 所属分类：其它

    • 发布日期：2020-07-20
    • 文件大小：298kb
    • 提供者：EVENISAKY

  1. 卷积神经网络及其在图像处理中的应用

  2. 卷积神经网络（ConstitutionalNeuralNetworks,CNN）是在多层神经网络的基础上发展起来的针对图像分类和识别而特别设计的一种深度学习方法。先回顾一下多层神经网络:多层神经网络包括一个输入层和一个输出层，中间有多个隐藏层。每一层有若干个神经元，相邻的两层之间的后一层的每一个神经元都分别与前一层的每一个神经元连接。在一般的识别问题中，输入层代表特征向量，输入层的每一个神经元代表一个特征值。在图像识别问题中，输入层的每一个神经元可能代表一个像素的灰度值。但这种神经网络用于图像识

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：457kb
    • 提供者：weixin_38527987

  1. Food-Recipe-CNN：使用深度卷积神经网络将食物图像转化为食谱-源码

  2. 用于烹饪食谱检索的深度学习食物图像识别系统 演示：DeepChef 总览 更新：博客文章现已发布。 有关更多信息，请访问！ 例如用法，请访问此Jupyter Notebook： Maturaarbeit 2018：这项工作利用Keras的深度卷积神经网络将图像分类为230种食物并输出匹配的食谱。 数据集包含来自chefkoch.de的> 400'000食物图像和> 300'000食谱。 几乎没有任何其他领域能像营养一样对人类福祉产生类似的影响。 每天，用户都会在社交网络上发布无数的

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：199mb
    • 提供者：weixin_42129005

  1. 基于卷积神经网络的棋子定位和识别方法

  2. 中国象棋棋子定位采用的传统图像处理方法，复杂度高；识别棋子采用的传统文字识别方法，泛化性较差、精确度较低。提出一种基于棋子颜色特征的分割方法和改进的二值图像滤波算法，实现了棋子的快速定位，不需要二次修正位置；提出一种基于卷积神经网络的棋子识别方法，该方法可以应用于不同字体的棋子识别，在更换棋子的情况下，依然可以快速、准确地识别棋子。实验结果表明，该方法的定位误差为0.51 mm，平均定位时间0.212 s，对4类字体的平均棋子识别准确率为98.59%左右，证实了该方法的有效性和实用性。

  3. 所属分类：其它

« 12 3 4 5 6 »