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. LOMO特征提取

  2. LOMO特征，有HSV色系的直方图特征和LBP特征的改进SILTP特征组成。属于效果较好的传统特征。其在提特征之前先使用RESNET图像预处理方法处理图像。使用OPENCV2.4.9实现

  3. 所属分类：图像处理

    • 发布日期：2017-10-08
    • 文件大小：27mb
    • 提供者：gbh1993

  1. 基于ResNet进行人脸认证

  2. 基于ResNet的人脸认证，根据经典的ResNet神经网络训练出面部识别，特征提取的模型

  3. 所属分类：Python

    • 发布日期：2018-04-02
    • 文件大小：88mb
    • 提供者：patty_star

  1. 煤矸智能分选的机器视觉识别方法与优化

  2. 煤矸图像的在线准确快速识别是煤矸智能分选的关键，深度卷积神经网络能够解决这一问题。以实际生产状态下采集的煤与矸石图像为训练与测试样本，基于ResNet等经典网络与SqueezeNet等先进轻量级网络建立了煤矸图像识别模型，分析了各模型的训练收敛情况。基于k-means++判断模型中不同卷积核所提取特征的相似程度，基于模型剪枝技术对相似度高的卷积核进行裁剪，实现了识别模型的优化与压缩。以识别精度、模型规模和模型运算复杂度为评价指标，定量衡量了压缩前后各模型的测试性能。分析了压缩后的模型对煤矸难、易

  3. 所属分类：其它

  1. faster-rcnn-pytorch-V1.0

  2. Faster-Rcnn：Two-Stage目标检测模型在Pytorch当中的实现。 详细操作见readme.md 文件下载 训练所需的voc_weights_resnet.pth或者voc_weights_vgg.pth可以在百度云下载。 voc_weights_resnet.pth是resnet为主干特征提取网络用到的； voc_weights_vgg.pth是vgg为主干特征提取网络用到的； 链接: https://pan.baidu.com/s/1H_YQxUvGrOXQeEQWPJvix

  3. 所属分类：深度学习

    • 发布日期：2020-07-19
    • 文件大小：11mb
    • 提供者：Jason_android98

  1. pytorch实现用Resnet提取特征并保存为txt文件的方法

  2. 今天小编大家分享一篇pytorch实现用Resnet提取特征并保存为txt文件的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

  3. 所属分类：其它

    • 发布日期：2020-09-18
    • 文件大小：36kb
    • 提供者：weixin_38713203

  1. 基于卷积神经网络的图像着色

  2. 图像着色的目标是为灰度图像的每一个像素分配颜色，它是图像处理领域的热点问题。以U-Net为主线网络，结合深度学习和卷积神经网络设计了一个全自动的着色网络模型。在该模型中，支线使用卷积神经网络SE-Inception-ResNet-v2作为高水平的特征提取器，提取图像的全局信息，同时在网络中使用PoLU(Power Linear Unit)函数替代线性整流函数(ReLU)。实验结果证明此着色网络模型能够对灰度图像进行有效的着色。

  3. 所属分类：其它

    • 发布日期：2020-10-15
    • 文件大小：523kb
    • 提供者：weixin_38681719

  1. resnet提取图片特征

  2. 用预训练好的神经网络提取图片特征

  3. 所属分类：深度学习

    • 发布日期：2020-12-28
    • 文件大小：4kb
    • 提供者：Blankeni

  1. 目标检测学习之路——YOLOv3

  2. 相比于YOLOv2，YOLOv3主要做了如下改进：1、提出了新的特征提取器模型Darknet53，该模型相比于Darknet19采用了残差单元（类似ResNet），因此网络模型可以更深；2、采用FPN（feature pyramid networks）结构来实现多尺度预测；3、分类器的改变，使用多个多个 logistic 分类器替代原始的Softmax分类器。 1、Darknet53 Darknet53 与 ResNet-101 或 ResNet-152 准确率接近，但速度更快，对比如下：

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：359kb
    • 提供者：weixin_38653155

  1. attendance-system:基于面部识别的考勤系统； 暑期学校2018-源码

  2. 人脸识别 IIT Madras计算机视觉与情报小组 我们实施了带有面部检测和识别功能的实验装置。 这已被用于我们的目的，具有以下目的： 交换多个用于Facenet的检测器和特征提取器。 多GPU和分布式支持 冻结图支持量化。 首先，我们在两个用例中使用它： 高精度：具有Inception-Resnet特征提取器的SSD或FRCNN检测器。 CPU优化的FPS：具有mobilenet V2提取器的SSDlite mobilenet（在入门中对此进行了介绍）。 我们已经尝试了多种分类器

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：11mb
    • 提供者：weixin_42099176

  1. A-Barebones-Image-Retrieval-System:该项目提供了一个简单的框架来检索类似于查询图像的图像-源码

  2. 准系统图像检索系统 该项目提供了一个简单的框架来检索类似于查询图像的图像。 该框架如下： 在具有三重态损失（我使用了一组标记图像上训练CNN模型（ A 。 使用训练有素的CNN模型（ A ）从验证集中提取特征。 在这些提取的特征上训练kNN模型（ B ），并将k设置为所需的邻居数。 从验证集中获取图像（ I ），并使用相同的CNN模型（ A ）提取其特征。 使用相同的kNN模型（ B ）计算I的最近邻居。 我将Flowers数据集用于实验。 我尝试了上述方法，以解决我从Flowe

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：14mb
    • 提供者：weixin_42150745

  1. traffic-sign-detection:交通标志检测。 论文代码“交通标志检测系统的深度神经网络评估”-源码

  2. 交通标志检测 这是论文的代码 ， ， 本文通过结合多种特征提取器（Resnet V1 50， Resnet V1 101，Inception V2，Inception Resnet V2，Mobilenet V1和Darknet-19）。 我们旨在探索这些对象检测模型的特性，这些对象通过转移学习进行了修改，并特别适合于交通标志检测问题领域。 特别是，在Microsoft COCO数据集上进行了预训练的各种公开可用的对象检测模型在数据集上进行了微调。 这些模型的评估和比较包括关键指标，例如平均

  3. 所属分类：其它

  1. 具有重建损失的改进型生成对抗网络

  2. 我们提出了一个简单的正则化方案来处理生成对抗网络（GAN）中的模式缺失和训练不稳定的问题。 关键思想是利用鉴别器学习到的视觉特征。 我们通过向生成器提供由鉴别器提取的真实数据特征来重建真实数据。 将重建损失添加到GAN的目标函数中，以强制生成器可以根据鉴别器的特征进行重建，这有助于明确指导生成器朝着接近实际数据的可能配置进行。 所提出的重建损失提高了GAN的性能，在不同的数据集上产生了更高质量的图像，并且可以轻松地与其他正则化损失函数（例如梯度罚分）组合以提高各种GAN的性能。 我们对不同数据集

  3. 所属分类：其它

  1. 基于压缩激励残差网络与特征融合的行人重识别

  2. 为解决现有基于深度学习的行人重识别算法中网络深度过深,网络层间的特征关系利用率、时间效率低等问题,提出了一种基于压缩激励残差网络(SE-ResNet)与特征融合的改进算法。通过引入压缩激励(SE)模块,在特征通道上对特征进行压缩和激励,然后重新对各通道分配权重,以增强有用特征通道,抑制无用特征通道,降低网络的深度;为提高识别精度和运算效率,将浅层特征与深层特征融合,删除部分特征提取模块,并对卷积核的大小与运行时间、识别精度的关系进行建模,寻找最佳平衡点。实验结果表明,相比ResNet50,本算法

  3. 所属分类：其它

  1. vqa：视觉问答-源码

  2. VQA 视觉问答 运行代码 该模型基于在运行代码之前，请从下载相关的训练，验证和测试数据。下面的部分根据需要Resnet-18或CNN的结果告诉您要运行哪些脚本 有线电视新闻网 我们按照以下顺序运行脚本以获得最佳结果 image_preprocessing_CNN.py 这将从图像中提取特征 preprocess-QA.py 这从提出的问题中提取特征 train_models_cnn.py 这使用L2正则化训练了50个时期的模型0.0005 view-logs.py logs/ 打印出结果

  3. 所属分类：其它

  1. 结合深度卷积神经网络与影像学特征的肺结节良恶性鉴别方法

  2. 提出一种将卷积神经网络(CNN)学习特征与传统影像学特征结合的肺结节良恶性鉴别方法。首先,从电子计算机断层扫描(CT)图像中分割出肺结节区域,并使用传统机器学习方法提取结节区域的影像学特征;然后,使用截取的肺结节训练3D-Inception-ResNet模型,提取网络学习的CNN特征,组合两类特征,并利用随机森林(RF)模型进行特征选择;最后,采用支持向量机(SVM)、RF等传统分类器对肺结节进行良恶性鉴别诊断。使用LIDC-IDRI数据库中的1036个肺结节进行实验验证,最终所提方法的分类准确

  3. 所属分类：其它

  1. pytorch_classification：利用pytorch实现图像分类的一个完整的代码，训练，预测，TTA，模型融合，模型部署，cnn提取特征，svm或者随机森林等进行分类，模型蒸馏，一个完整的代码-源码

  2. pytorch_classification 利用pytorch实现图像分类，其中包含的密集网，resnext，mobilenet，efficiencynet，resnet等图像分类网络，可以根据需要再行利用torchvision扩展其他的分类算法 实现功能 基础功能利用pytorch实现图像分类 包含带有warmup的cosine学习率调整 warmup的step学习率优调整 多模型融合预测，修正与投票融合 利用flask实现模型云端api部署 使用tta测试时增强进行预测 添加label s

  3. 所属分类：其它

  1. bert-as-service：使用BERT模型将可变长度句子映射到固定长度向量-源码

  2. 您在寻找X即服务吗？ 试试！ X可以是albert，pytorch-transformer，vgg，resnet，videobert或任何深度学习表示模型吗？ •••• • 了解如何使用Jina通过任何深度学习表示来提取特征向量 伯特即服务 使用BERT模型作为句子编码服务，即将可变长度的句子映射到固定长度的向量。 •••• •••• 韩晓制作• :globe_with_meridians: 它是什么 BERT是为预训练语言表示而的NLP模型。 它利用了在网络上公开提供的大量纯文本数据

  3. 所属分类：其它

  1. 多尺度特征融合的膨胀卷积残差网络高分一号影像道路提取

  2. 针对全卷积神经网络多次下采样操作导致的道路边缘细节信息损失和道路提取不准确的问题,本文提出了多尺度特征融合的膨胀卷积残差网络高分一号影像道路提取方法。首先,通过目视解译的方法制作大量的道路提取标签数据;其次,在残差网络ResNet-101的各个残差块中引入膨胀卷积和多尺度特征感知模块,扩大特征点的感受野,避免特征图分辨率减小和道路边缘细节特征的损失;然后,通过叠加融合和上采样操作将各个尺寸的道路特征图进行融合,得到原始分辨率大小的特征图;最后,将特征图输入Sigmoid分类器中进行分类。实验结果

  3. 所属分类：其它

  1. pytorch实现用Resnet提取特征并保存为txt文件的方法

  2. 接触pytorch一天，发现pytorch上手的确比TensorFlow更快。可以更方便地实现用预训练的网络提特征。 以下是提取一张jpg图像的特征的程序： # -*- coding: utf-8 -*- import os.path import torch import torch.nn as nn from torchvision import models, transforms from torch.autograd import Variable import numpy as

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：35kb
    • 提供者：weixin_38687968

  1. ProcNets-YouCook2:论文“通过网络教学视频实现程序自动学习”的源代码-Source code learning

  2. 过程分段网络（ProcNets） 此存储库托管我们有关过程分段和YouCook2数据集的工作的源代码（Torch） 大型烹饪视频数据集YouCook2可在 我们的AAAI18口头论文可 设置 安装 ，其中还包含nn，nngraph，cutorch等软件包。 安装以读取/写入.csv文件 下载 特征 我们为每个视频提供500个均匀采样的RGB帧的ResNet-34功能（请参阅数据集）。 要自行提取特征，请按照说明进行操作：i）使scr ipt/video2frame_yc2.sh和scr i

  3. 所属分类：其它

    • 发布日期：2021-03-25
    • 文件大小：44kb
    • 提供者：weixin_42161497
« 12 »