您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. VC++数字图像模式识别技术及工程实践

  2. 目录 第1章 绪论 1.1 模式和模式识别的概念 1.2 模式空间、特征空间和类型空间 1.3 模式识别系统的构成 1.3.1 信息获取 1.3.2 预处理 1.3.3 特征提取和选择 1.3.4 分类决策 1.4 物体的结构表示 1.5 图片识别问题 第2章 模式识别中的基本决策方法 2.1 基于最小错误率的贝叶斯决策 2.2 分类器设计 2.2.1 多类情况 2.2.2 两类情况 2.3 关于分类器的错误率 2.4 关于贝叶斯决策 2.5 线性判别函数的基本概念 2.6 设计线性分类器的主
  3. 所属分类:C++

    • 发布日期:2013-05-16
    • 文件大小:14680064
    • 提供者:a121649982
  1. Visual C++数字图像模式识别技术及工程实践工程源代码

  2. 第1章 绪论 1.1 模式和模式识别的概念 1.2 模式空间、特征空间和类型空间 1.3 模式识别系统的构成 1.3.1 信息获取 1.3.2 预处理 1.3.3 特征提取和选择 1.3.4 分类决策 1.4 物体的结构表示 1.5 图片识别问题 第2章 模式识别中的基本决策方法 2.1 基于最小错误率的贝叶斯决策 2.2 分类器设计 2.2.1 多类情况 2.2.2 两类情况 2.3 关于分类器的错误率 2.4 关于贝叶斯决策 2.5 线性判别函数的基本概念 2.6 设计线性分类器的主要步骤
  3. 所属分类:C++

    • 发布日期:2013-05-17
    • 文件大小:14680064
    • 提供者:a121649982
  1. MachineLearning-master-python.zip

  2. 属于网络下载资源,感谢原作者的贡献。 ##目录介绍 - **DeepLearning Tutorials** 这个文件夹下包含一些深度学习算法的实现代码,以及具体的应用实例,包含: Keras使用进阶。介绍了怎么保存训练好的CNN模型,怎么将CNN用作特征提取,怎么可视化卷积图。 [keras_usage]介绍了一个简单易用的深度学习框架keras,用经典的Mnist分类问题对该框架的使用进行说明,训练一个CNN,总共不超过30行代码。 将卷积神经网络CNN应用于人脸识别的一个demo,人脸数
  3. 所属分类:专业指导

    • 发布日期:2016-07-04
    • 文件大小:1048576
    • 提供者:qq_33042687
  1. LBP-DBN人脸识别matlab代码

  2. 这个程序的功能,是使用DBN算法来实现人脸识别,数据库使用ORL数据库,在迭代次数达到3000时,识别准确率98%左右 1-此程序使用的是LBP(Local Binary Pattern)来实现特征的提取 2-此程序还附带了画学习曲线的功能,画正则参数,隐层结点数,训练样本数的学习曲线 3-DBN是有几层RBM构成,该程序实现的是4层网络,输入层-隐层1-隐层2-输出层 4-DBN的训练基本上分为两步,先用RBM的训练方法训练网络得到初始值,来初始化整个网络,然后用BP反向传播算法来微调整个网
  3. 所属分类:深度学习

    • 发布日期:2017-06-20
    • 文件大小:4194304
    • 提供者:unou6xnu
  1. Deep Learning

  2. 深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征,以发现数据的分布式特征表示。[1] 深度学习的概念由Hinton等人于2006年提出。基于深度置信网络(DBN)提出非监督贪心逐层训练算法,为解决深层结构相关的优化难题带来希望,随后提出多层自动编码器深层结构。此外Lecun等人提出的卷积神经网络是第一个真正多层结构学习算法,它利用空间相对关系减少参数数目以提高训练性能。[1] 深度学习是机器学习中一种基
  3. 所属分类:深度学习

    • 发布日期:2018-03-20
    • 文件大小:22020096
    • 提供者:mathstar
  1. 基于深度学习的视频人脸识别方法(论文共64页)

  2. 基于深度学习模型的人脸识别部分主要包含三个模块:数据预处理模块、深度学习模块和识别模块。数据预处理模块主要由数据整合和构造数据立方体两个部分组成。深度学习模块通过两个具体过程来实现:RBM 调节和深度模型的反馈微调。RBM 的调节过程是自下而上的各个层间的调节过程,以这种方式来初始化整个深度模型的系统权值,而深度模型的反馈微调,首先进行自下而上的识别模型转换,然后再进行自上而下的生成模型转换,最后通过不同层次之间的不断调节,使生成模型可以重构出具有较低误差的原样本,这样就得到了此样本的本质特征
  3. 所属分类:深度学习

    • 发布日期:2018-06-10
    • 文件大小:3145728
    • 提供者:hoo01
  1. SeetaFace JavaDemo(含64为dll、不含三个模型)

  2. 开源的SeetaFace人脸识别引擎是由中科院计算所山世光研究员带领的人脸识别研究组研发。代码基于C++实现,且不依赖于任何第三方的库函数,开源协议为BSD-2,可供学术界和工业界免费使用。 具体介绍请参考《深度学习大讲堂知乎专栏》 https://zhuanlan.zhihu.com/p/22451474 Github开源项目: https://github.com/seetaface/SeetaFaceEngine SeetaFace人脸识别引擎包括了搭建一套全自动人脸识别系统所需的三个核
  3. 所属分类:Java

    • 发布日期:2018-08-22
    • 文件大小:529408
    • 提供者:flyaimo
  1. 人脸识别python实现源码(功能丰富)

  2. 可部署到云主机(Heroku,AWS……)! 使用dlib最先进的面部识别功能构建而成,具有深度学习功能。该模型在Wild标记的Labeled Faces中具有99.38%的准确度 。 这提供了一个简单的命令行工具,允许从命令行对图像文件夹进行面部识别! 1、找到图片中出现的所有面孔 2、获取每个人的眼睛,鼻子,嘴巴和下巴的位置和轮廓。 3、应用数字化妆 4、识别每张照片中出现的人物。 5、可以将此库与其他Python库一起使用来进行实时人脸识别。 使用要求 Python 3.3+或Pytho
  3. 所属分类:机器学习

    • 发布日期:2018-10-26
    • 文件大小:14680064
    • 提供者:as1072966956
  1. 最近翻译了一篇2018年人脸识别综述

  2. 这是一篇人脸识别的综述,传统的基于手动设计提取特征和传统机器学习的方法已经被使用大量数据训练出的深度神经网络所取代。本文给出一个从传统(基于几何、整体、基于特征和混合方法)到深度学习热门的人脸识别方法的综合论述。
  3. 所属分类:机器学习

    • 发布日期:2018-11-25
    • 文件大小:807936
    • 提供者:austinla
  1. 基于深度学习的暴力检测及人脸识别方法研究

  2. 随着“平安城市”建设的不断推进,公共安全逐渐成为人们关注的热点间 题,税频监控技术也随之得到了越来越广泛的应用,传统的视频监控系统主要提供采集存储功能,这远远无法满足人们对其智能化的需求。要实现智能化的视频监控系统,以下几个关键问题亟需解决:(1)如何快速发现监控视频中的异常行为,及时给出警报,并最大限度地减少误报和漏报现象;(2)如何在多种不利因素下(如羊样本,低分辨率)对可疑目标进行准确的识别分析:(3)在海量数据的情况下,如何确保视频分析系统的实时性及准确性。 近年来,深度学习在机器视觉、
  3. 所属分类:硬件开发

    • 发布日期:2018-12-28
    • 文件大小:10485760
    • 提供者:weixin_44102991
  1. 一天看懂深度学pdf 简单明了

  2. 深度学习是机器学习中一种基于对数据进行表征学习的方法。观测值(例如一幅图像)可以使用多种方式来表示,如每个像素强度值的向量,或者更抽象地表示成一系列边、特定形状的区域等。而使用某些特定的表示方法更容易从实例中学习任务(例如,人脸识别或面部表情识别)。深度学习的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。
  3. 所属分类:深度学习

    • 发布日期:2019-01-16
    • 文件大小:15728640
    • 提供者:asd258741
  1. 论文研究-堆栈式混合自编码器的人脸表情识别方法.pdf

  2. 针对进一步提高人脸表情识别率的问题,采用了一种基于深度学习的堆栈式混合自编码器(Stacked Hybrid Auto-Encoder,SHAE)的人脸表情识别方法。该方法的结构是由去噪自编码器(Denoising Auto-Encoder,DAE)、稀疏自编码器(Sparse Auto-Encoder,SAE)以及自编码器(Auto-Encoder,AE)组合而成的5层网络结构。为了增加网络的鲁棒性以及泛化能力,采用去噪自编码器对样本进行提取特征,为了对提取的特征进行降维以及进一步提取更抽象
  3. 所属分类:其它

    • 发布日期:2019-09-06
    • 文件大小:686080
    • 提供者:weixin_38744270
  1. 基于深度学习的唇语识别研究_吴伟(好).caj

  2. 本文在深度学习技术基础上对唇语进行识别研究,其具体流程及章节安排 如下: 1. 主要介绍了唇语识别技术的相关内容,给出了传统的唇语识别方法与基 于深度学习的唇语识别方法的区别与联系,并针对国内外研究状况进行了分析 介绍。 2. 对唇语识别技术的一些相关理论技术进行了介绍,并且利用唇语识别研 究中的人脸检测,唇部定位,视觉特征和时序特征的提取以及最后的唇动识别 这几个方面来展开介绍,同时也介绍了深度学习方面相关模型与算法。 3. 首先对唇语识别的实现过程做了简要叙述;其次,通过检测人脸
  3. 所属分类:深度学习

    • 发布日期:2020-04-27
    • 文件大小:1048576
    • 提供者:zhr_the_great
  1. 论文研究-基于改进卷积神经网络的多视角人脸表情识别.pdf

  2. 人脸表情识别是计算机视觉领域的研究热点之一。针对自然状态下的人脸存在多视角变化、脸部信息缺失等问题,提出了一种基于MVFE-LightNet(Multi-View Facial Expression Lightweight Network)的多视角人脸表情识别方法。首先,在残差网络的基础上设计卷积网络提取不同视角下的表情特征,引入深度可分离卷积来减少网络参数。其次,嵌入压缩和奖惩网络模块学习特征权重,利用特征重新标定方式提高网络表示能力,并通过加入空间金字塔池化增强网络的鲁棒性。最后,为了进一步
  3. 所属分类:其它

    • 发布日期:2019-09-07
    • 文件大小:1047552
    • 提供者:weixin_38744375
  1. 人脸识别(深度学习 人脸特征)

  2. 人脸识别机器学习机器学习深度学习 人脸特征
  3. 所属分类:Python

    • 发布日期:2020-08-12
    • 文件大小:1048576
    • 提供者:qq_36596540
  1. 浅理解C++ 人脸识别系统的实现

  2. 机器学习 机器学习的目的是把数据转换成信息。 机器学习通过从数据里提取规则或模式来把数据转成信息。 人脸识别 人脸识别通过级联分类器对特征的分级筛选来确定是否是人脸。 每个节点的正确识别率很高,但正确拒绝率很低。 任一节点判断没有人脸特征则结束运算,宣布不是人脸。 全部节点通过,则宣布是人脸。 工业上,常用人脸识别技术来识别物体。 基于深度学习的人脸识别系统,一共用到5个开源库:OpenCV(计算机视觉库)、Caffe(深度学习库)、Dlib(机器学习库)、libfac
  3. 所属分类:其它

    • 发布日期:2020-12-20
    • 文件大小:44032
    • 提供者:weixin_38502183
  1. Team14-源码

  2. sMPC用于保护隐私的人脸识别-教授批准 摘要:人脸识别是生物识别技术的一种形式,它利用人的面部特征对其进行识别。 随着Internet技术的飞速发展,近年来,使用深度学习卷积神经网络分析图像的技术取得了长足的进步。 人脸检测正在各种领域中Swift使用。 由于生物识别技术的广泛使用,出现了重大的隐私问题。 用户的面部数据由面部识别系统收集用于商业目的。 面部数据通常是一种且不可替代,并且如果泄漏,对于用户的隐私将是灾难性的。 使用安全多协议身份验证,它可以通过测量来自多个来源的敏感数据来执行人
  3. 所属分类:其它

    • 发布日期:2021-03-10
    • 文件大小:1024
    • 提供者:weixin_42097557
  1. 使用嵌入了Softmax回归和多个神经网络的深度信任网络来学习用于人脸识别的分层表示

  2. 在人脸识别和分类中,基于标记数据不足的特征提取和分类是一个众所周知的难题。 为了解决这个问题,本文提出了一种新的半监督学习算法,称为深度信念网络,嵌入了Softmax回归算法(DBNESR)。 DBNESR首先通过深度学习来学习特征的层次表示,然后使用Softmax回归进行更有效的分类。 同时,我们基于监督学习设计了多种分类器:BP,HBPNN,RBF,HRBFNN,SVM和多分类决策融合分类器(MCDFC)-混合HBPNNs- HRBFNNs-SVM分类器。 实验证明:首先,提出的半监督深度学
  3. 所属分类:其它

    • 发布日期:2021-03-08
    • 文件大小:1048576
    • 提供者:weixin_38607784
  1. HelloFace:很棒的面部技术存储库-源码

  2. :collision: 大爆炸 :collision: 感受野是自然的锚 接收场就是您所需要的 2K实时检测是如此简单! 你好脸 脸部技术资料库(正在更新) :fire: :fire: :fire: 网址: : :thumbs_up: :thumbs_up: :thumbs_up: :waving_hand: 最近更新 2020-10-02 ICIP2020 动态面部识别的3D稀疏变形签名 用于基于异常的特定于客户端的面部欺骗检测的堆栈集成 自适应聚集小链链接,
  3. 所属分类:其它

    • 发布日期:2021-02-03
    • 文件大小:24117248
    • 提供者:weixin_42128015
  1. AutoDL:无需任何人工干预的自动化深度学习。 AutoDL挑战NeurIPS的第一个解决方案-源码

  2. |简体中文 冠军方案,细节参见 。 1. AutoDL是什么? AutoDL聚焦于自动进行任意模态(图像,视频,语音,文本,表格数据)多标签分类的通用算法,可以使用一套标准算法流解决现实世界的复杂分类问题,解决调数据,特征,模型,本工程在不同领域的24个离线数据集,15个在线数据集都获得了极为优秀的成绩。AutoDL拥有以下特性: :hot_beverage:全自动:全自动深度学习/机器学习框架,全流程无需人工干预数据,特征,模型的所有细节都已调节至最佳,统一解决了资源受限,数据倾斜,小
  3. 所属分类:其它

    • 发布日期:2021-02-03
    • 文件大小:3145728
    • 提供者:weixin_42117032
« 12 »