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. 基于神经网络的空间CCD相机图象恢复

  2. 空间CCD像机的图像恢复是一个复杂的问题，图象数据恢复的准确与否直接影响天 文学家对于太阳物理特性的研究判断，目前各种图象恢复技术被广泛的应用于CCD像机 的图象处理上，一幅恒星、行星或星系的模糊照片通常通过多种反卷积它的点扩散函数 （PSF）来获得更加清晰的图象，但是难以克服图象处理过程中的奇异性和病态性，往 往要作出广义平稳过程的假设和其他先验条件。而由于神经网络图像恢复是建立在网络 能量函数收缩的基础上，从而完全避免了图象恢复的解析方法进行矩阵求逆带来的问 题，具有普遍适用性，但同时由于

  3. 所属分类：网络基础

    • 发布日期：2009-06-08
    • 文件大小：1048576
    • 提供者：jxm0jxm

  1. Mnist手写数字数据库图像数据集

  2. 研究深度学习和卷积神经网络的同学都知道Mnist这个数据库，它是一个手写数字的图像数据集，可以用来作为网络训练的基准测试数据库。原版数据集是以特定格式存储的四个文件，包括乱序排列的60000个训练样本与10000个测试样本，以及它们对应的标签向量。现将其中的图片从原文件中读取出来，重新转化为png格式，并将测试集和训练集分别按0~9进行分类，并存放在各自的子文件夹中，以便各位同学进行科研与实验之用。 原数据集下载地址为：http://yann.lecun.com/exdb/mnist/

  3. 所属分类：其它

    • 发布日期：2016-05-24
    • 文件大小：23068672
    • 提供者：magicarcher

  1. Mnist手写数字数据库的Matlab数据变量

  2. 研究深度学习和卷积神经网络的同学都知道Mnist这个数据库，它是一个手写数字的图像数据集，可以用来作为手写数字识别的神经网络训练的基准测试数据库。原版数据集是以特定格式存储的四个文件，包括乱序排列的60000个训练样本与10000个测试样本，以及每个样本对应的标签向量。现将其中的图片从原文件中读取出来，按照原文件的顺序存储为Matlab的mat数据变量格式，可使用Matlab直接读取，以便各位同学进行科研与实验之用。 压缩包里包含四个Matlab数据变量文件 train_imgSet.mat：

  3. 所属分类：其它

    • 发布日期：2016-05-24
    • 文件大小：25165824
    • 提供者：magicarcher

  1. （WHU论文，带注释）深度卷积神经网络在高分辨率遥感图像的场景分类中的应用

  2. 在我阅读可能不断更改的课题方向的各种论文中，看了这篇论文Transferring Deep Convolutional Neural Networks for the Scene Classification of High-Resolution Remote Sensing Imagery.pdf ，各类算法比较的好多，认真看了这篇文章，并附上了自己的注释和标记，刚刚接触，理解不深，可能有错误之处，欢迎在评论区批评指正！

  3. 所属分类：深度学习

    • 发布日期：2018-04-06
    • 文件大小：5242880
    • 提供者：weixin_40744915

  1. 一种差和迭代人工神经网络算法及架构的新技术--卷积神经网络算法的更新换代技术.pdf

  2. 本技术用简单的二元差分算子和二元求和算子及其迭代架构，实现了对声音、图像和高维流形数据处理的快速新算法。算法本质是把卷积神经网络中卷积层的卷积运算中矩阵的乘、加的内积运算,代之以矩阵的加、减迭代运算，可以加速网络运行速度和效率。并行的网络算法具有显然的几何和物理意义，企图解决现有神经网络不透明的黑盒子问题及学习速度慢等重大问题。

  3. 所属分类：互联网

    • 发布日期：2020-04-18
    • 文件大小：508928
    • 提供者：weixin_42321183

  1. 生成对抗网络（GANs）最新家谱：为你揭秘GANs的前世今生

  2. 生成对抗网络（ AN）一经提出就风光无限，更是被Yann L un誉为“十年来机器学 习领域最有趣的想法”。 GAN“左右互搏”的理念几乎众所周知，但正如卷积神经网络（CNN）一样，GAN发展 至今已经衍生出了诸多变化形态。望伪图像的分布尽可能地接近真图像。或者,简单来说,我们想要伪图像尽可能看起 来像真的一样。 值得一提的是,因为GANs是用极小化极大算法做优化的,所以训练过程可能会很不稳 定。不过你可以使用一些“小技巧”来获得更稳健的训练过程。 在下面这个视频中,你可以看到GANs所生成图片

  3. 所属分类：深度学习

    • 发布日期：2019-07-02
    • 文件大小：1048576
    • 提供者：abacaba

  1. 基于卷积神经网络的车牌照字符识别研究

  2. 基于卷积神经网络的车牌照字符识别研究310 第十二届全国图象图形学学术会议 以充分利用人的经验来获取模式特征以及神经网 来正确识别所有样本;Uc4层是网络的输出层即识 终分类能力来识别字符,特征提取必须能反应整 个字符的特征,才能达到较高的识别率;后者则 别层,显示网络最终的模式识别结果。 省去特征抽取,将整个字符直接作为神经网络的 差异提取层Uc的输出姐式(1)所示 输入。这种方式虽然在一定程度上增加了神经网 络结构的复杂度,但是网络的抗干扰性能和识别 n(n,)=max{(-)∑a()l(n

  3. 所属分类：机器学习

    • 发布日期：2019-04-19
    • 文件大小：274432
    • 提供者：suiyu_eran

  1. TensorFlow深度学习之卷积神经网络CNN

  2. 一、卷积神经网络的概述 卷积神经网络（ConvolutionalNeural Network，CNN）最初是为解决图像识别等问题设计的，CNN现在的应用已经不限于图像和视频，也可用于时间序列信号，比如音频信号和文本数据等。CNN作为一个深度学习架构被提出的最初诉求是降低对图像数据预处理的要求，避免复杂的特征工程。在卷积神经网络中，第一个卷积层会直接接受图像像素级的输入，每一层卷积（滤波器）都会提取数据中最有效的特征，这种方法可以提取到图像中最基础的特征，而后再进行组合和抽象形成更高阶的特征，因此

  3. 所属分类：其它

    • 发布日期：2020-12-24
    • 文件大小：141312
    • 提供者：weixin_38682279

  1. 卷积神经网络之图像

  2. **今天，我们来正式讲计算机视觉里面一个非常非常广泛的网络，叫做 卷积神经网络 ，可以说卷积神经网络是现在计算机视觉的一个核心的概念，再讲卷积神经网络用于图片处理之前， 首先我们来看一下图片是怎么表示的？ 我们现在来看一个Minist的图片， 我们之前已经接触过了，他是一个28行乘以28列的一个这样的数据，我们用一个矩阵来表示这个矩阵的每一个元素，要么是零，要么是一。然后这个矩阵的每一个元素代表了当前这个像素点的一个数值，因为当前的minist他是一个黑白图片，因此我们只使用了一张这样的值来表

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：1048576
    • 提供者：weixin_38605604

  1. 伯禹 动手学深度学习 打卡06之卷积神经网络基础

  2. 卷积神经网络基础 二维卷积层 本文介绍的是最常见的二维卷积层，常用于处理图像数据。 二维互相关计算 二维互相关（cross-correlation）运算的输入是一个二维输入数组和一个二维核（kernel）数组，输出也是一个二维数组，其中核数组通常称为卷积核或过滤器（filter）。卷积核的尺寸通常小于输入数组，卷积核在输入数组上滑动，在每个位置上，卷积核与该位置处的输入子数组按元素相乘并求和，得到输出数组中相应位置的元素。图1展示了一个互相关运算的例子，阴影部分分别是输入的第一个计算区域、核数组

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：336896
    • 提供者：weixin_38720322

  1. Saudi-Riyal-Image-Recognition:卷积神经网络的沙特里亚尔图像识别-源码

  2. 沙特里亚尔图像识别 演示版 概述 这是一个简单的图像分类Flask应用程序，在Keras API的顶部进行了培训。 经训练的模型（ cnnModel.h5 ）拍摄图像（沙特阿拉伯里亚尔）作为输入，并从1，5，10，20，50，100，200，500面额预测类的图像。 动机 当我浏览一些研究论文时，对货币图像进行分类的想法震惊了我。 我找不到与之相关的任何相关研究论文（当然还有数据集！）。 这导致我收集了沙特阿拉伯里亚尔的图像，并使用惊人的工具来训练深度学习模型。 技术方面 该项目分为三个部分：

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：481280
    • 提供者：weixin_42172972

  1. AI50-源码

  2. AI50的Python人工智能介绍 本课程探索了现代人工智能基础上的概念和算法，并深入探讨了产生诸如游戏引擎，手写识别和机器翻译之类技术的思想。 通过动手项目，学生将图搜索算法，分类，优化，强化学习以及人工智能和机器学习中的其他主题整合到自己的Python程序中，从而可以接触到这些理论。 到课程结束时，学生将拥有在机器学习库以及人工智能原理知识方面的经验，这些知识使他们能够设计自己的智能系统。 概要 在此回购中，我设计和实现了各种AI代理，从使用搜索算法玩游戏，优化和监督学习到使用TensorF

  3. 所属分类：其它

    • 发布日期：2021-02-10
    • 文件大小：210763776
    • 提供者：weixin_42125867

  1. DeepWay：该项目对盲人有帮助。 迄今为止，盲人导航的方式尚无技术进步。 因此，我使用了深度学习（特别是卷积神经网络），以便它们可以在街道上导航-源码

  2. 深度之路 这个项目是对盲人的帮助。 迄今为止，盲人导航的方式尚无技术进步。 因此，我使用了深度学习（特别是卷积神经网络），以便它们可以在街道上导航。 观看 我的方法 收集培训数据 我的项目是CNN的实现，我们都知道它们需要大量的培训数据。 因此，我遇到的第一个障碍是带有正确标记的图像数据集。 所以我到了大学，录制了很多视频（各种类型的道路和越野），然后我写了一个基本的python脚本来保存视频中的图像（我每5帧保存了1幅图像，因为连续框架几乎相同）。 我为每个班级（即左，右和中）收集了近1000

  3. 所属分类：其它

    • 发布日期：2021-02-02
    • 文件大小：1048576
    • 提供者：weixin_42134143

  1. PyTorch CNN实战之MNIST手写数字识别示例

  2. 简介 卷积神经网络(Convolutional Neural Network, CNN)是深度学习技术中极具代表的网络结构之一，在图像处理领域取得了很大的成功，在国际标准的ImageNet数据集上，许多成功的模型都是基于CNN的。 卷积神经网络CNN的结构一般包含这几个层： 输入层：用于数据的输入 卷积层：使用卷积核进行特征提取和特征映射 激励层：由于卷积也是一种线性运算，因此需要增加非线性映射 池化层：进行下采样，对特征图稀疏处理，减少数据运算量。 全连接层：通常在CNN的

  3. 所属分类：其它

    • 发布日期：2021-01-21
    • 文件大小：121856
    • 提供者：weixin_38699757

  1. AI之卷积神经网络基础

  2. AI之卷积神经网络基础二维卷积层二维互相关运算二维卷积层互相关运算与卷积运算特征图与感受野填充和步幅填充步幅多输入通道和多输出通道多输入通道多输出通道1×1卷积层卷积层与全连接层的对比卷积层的简洁实现池化二维池化层池化层的简洁实现代码讲解例题   本文主要介绍卷积神经网络的基础概念，主要是卷积层和池化层，并解释填充、步幅、输入通道和输出通道的含义。 二维卷积层   本文介绍的是最常见的二维卷积层，常用于处理图像数据。 二维互相关运算   二维互相关（cross-correlation）运算的输入

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：137216
    • 提供者：weixin_38610815

  1. 《动手学习深度学习》之三：2.卷积神经网络（CNN）进阶-5种模型（打卡2.5）

  2. 卷积神经网络（CNN）进阶 2.LeNet、AlexNet、VGG、NiN、GooLeNet 5种模型 2.1.LeNet 2.1.1.全连接层和卷积层的比较： 使用全连接层的局限性： • 图像在同一列邻近的像素在这个向量中可能相距较远。它们构成的模式可能难以被模型识别。 • 对于大尺寸的输入图像，使用全连接层容易导致模型过大。 使用卷积层的优势： • 卷积层保留输入形状。 • 卷积层通过滑动窗口将同一卷积核与不同位置的输入重复计算，从而避免参数尺寸过大。 2.1.2.LeNet 模型介绍

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：749568
    • 提供者：weixin_38648968

  1. ElitesAI·动手学深度学习PyTorch版学习笔记-卷积神经网络基础；leNet；卷积神经网络进阶

  2. 宅家中看到Datawhale的学习号召，在大牛云集的群上找到了一个很佛系的小组，战战兢兢地开始了小白的深度学习之旅。感谢Datawhale、伯禹教育、和鲸科技，感谢课程制作者、组织者、各位助教以及其他志愿者！ 1 卷积神经网络基础 1.1 二维卷积 本小节介绍了二维卷积，主要用于图像数据（刚好是二维的数据）处理。 二维卷积通过输入二维数据和二维核数据的运算（卷积），得到一个小于输入数据的二维输出数据，但是该输出数据依然部分保存了输入数据的信息。输出的二维数据可以看作输入数据的一个缩略图，也叫

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：51200
    • 提供者：weixin_38652196

  1. TensorFlow 实战之实现卷积神经网络的实例讲解

  2. 本文根据最近学习TensorFlow书籍网络文章的情况,特将一些学习心得做了总结,详情如下.如有不当之处,请各位大拿多多指点,在此谢过。 一、相关性概念 1、卷积神经网络（ConvolutionNeural Network，CNN） 19世纪60年代科学家最早提出感受野（ReceptiveField）。当时通过对猫视觉皮层细胞研究，科学家发现每一个视觉神经元只会处理一小块区域的视觉图像，即感受野。20世纪80年代，日本科学家提出神经认知机（Neocognitron）的概念，被视为卷积神经网络最初

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：131072
    • 提供者：weixin_38606202

  1. 18 深度学习案例——基于卷积神经网络的手写体识别

  2. 基于卷积神经网络的手写体识别19.2 深度学习的概念及关键技术1、神经网络模型2、深度学习之卷积神经网络19.3 Python深度学习库——Keras1、Keras的安装2、Keras的网络层3、用Keras构建神经网络19.4 程序设计的思路19.5 源代码1、MNIST数据集2、手写体识别案例体现3、预测自己手写图像 #!/usr/bin/env python # coding: utf-8 19.2 深度学习的概念及关键技术 1、神经网络模型 ·生物神经元 ·轴突（输出）终端为其他神经元

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：67584
    • 提供者：weixin_38724247

  1. PaddleHub创意之艺术风格迁移

  2. PaddleHub的图像生成想法迁移方法模型介绍将毕加索画风迁移到BadApple动画中每帧融合代码图片整合成视频 想法 毕加索的作品风格丰富多样，后人用“毕加索永远是年轻的”的说法形容毕加索多变的艺术形式。本人对艺术作品不懂，但是好奇当多种作品实现艺术风格迁移时，会是什么样子。 迁移方法 最近在浏览预训练PaddleHub时，发现了这个好玩的module——stylepro_artistic 模型介绍如下： 艺术风格迁移模型可以将给定的图像转换为任意的艺术风格。本模型StyleProNet整体

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：156672
    • 提供者：weixin_38552536
« 12 »