您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 2016-基于深度学习的人脸识别方法研究综述

  2. 针对基于深度学习的人脸识别这一生物特征识别领域的研究热点进行了综述.阐释了人脸识别及深度学习 模型的基本结构;总结了该技术在国内外的研究现状及其应用,如基于卷积神经网络(CNN)的人脸识别方法、深度非 线性人脸形状提取方法、基于深度学习的人脸姿态鲁棒性建模、有约束环境中的全自动人脸识别、基于深度学习的视 频监控下的人脸识别、基于深度学习的低分辨率人脸识别以及其他基于深度学习的人脸信息的识别等;分析了当前人 脸识别技术在深度学习应用中存在的问题及发展趋势
  3. 所属分类:深度学习

    • 发布日期:2017-11-01
    • 文件大小:780288
    • 提供者:lvhao578041381
  1. CNN卷积神经网络总结

  2. 文章中,总结了CNN的大致流程,并对概念做出图示的讲解。
  3. 所属分类:深度学习

    • 发布日期:2017-12-13
    • 文件大小:610304
    • 提供者:malingyu
  1. 基于深度卷积神经网络的人脸识别技术综述_景晨凯

  2. 人脸识别是计算机视觉的重要应用之一,广义的人脸识别包含图像采集、人脸检测、人脸对齐、特征表示等过程。人脸识别的发展史主要是人脸特征表示方法的变迁史。针对特征的表示方法,从人脸识别技术的发展历史、研究现状和未来发展三个方面进行综述:分阶段对传统的几类经典的人脸识别算法进行回顾和总结;以深度学习算法的诞生过程为切入点,重点分析了在人脸识别中取得突破性进展的深度卷积神经网络 DCNN(deep convolutional neural networks)的技术思想和关键问题;针对人脸识别和深度学习算
  3. 所属分类:讲义

    • 发布日期:2018-04-08
    • 文件大小:674816
    • 提供者:aiwei169
  1. CNN_book_weixs魏秀参.rar

  2. cnn 总结,写的很棒,值得学习推荐。 解析卷积神经网络 ——深度学习实践手册
  3. 所属分类:深度学习

    • 发布日期:2018-05-18
    • 文件大小:42991616
    • 提供者:qq_14845119
  1. CNN基本入门总结(归纳)

  2. 介绍神经网络与卷积神经网络:1.层级结构,2.数据处理,3.训练算法,4.优缺点、正则化与Dropout、典型结构与训练
  3. 所属分类:机器学习

    • 发布日期:2018-10-30
    • 文件大小:17825792
    • 提供者:m0_43553676
  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:18874368
    • 提供者:m0_43553676
  1. 智能问答算法原理及实践之路

  2. 高清版,智能问答算法原理及实践之路CONTENTS 01 智能问答算法原理 02 实践:小知客服机器人电话机器人 03 总结和挑战 腾讯小知 总览 query 中控逻辑 response 任务机器人 知识图谱机器人 FAQ机器人 闲聊机器人 阅读理解机器人 KNOWLEDGE GRAPH AQ豆豆 腾讯小知 腾讯小知 FAQ机器人 Preprocess:对 query进行预处理,抽取NLP特征 社保余额 怎么查询? 纠错 标准化文本特征提取 FAQ问题集 Retrieval:从问题索引中召回
  3. 所属分类:机器学习

    • 发布日期:2019-07-15
    • 文件大小:3145728
    • 提供者:weixin_45246409
  1. CNN、DNN、RNN学习总结.pdf

  2. CNN、DNN、RNN学习总结,包含卷积神经网络、深度神经网络、循环神经网络等深度学习知识点学习总结,内容详实,适合深度学习入门级同学,谢谢~
  3. 所属分类:深度学习

    • 发布日期:2020-03-18
    • 文件大小:231424
    • 提供者:weixin_44222014
  1. 基于NAO机器人的手势和表情识别.pdf

  2. 人机交互是计算机科学、心理学、认知科学的交叉研究领域。近年来人机交互正逐渐地从以计 算机为中心转移到以人为中心。传统的人机交互方式(键盘、鼠标等)已很难满足人们日益增长的 需求。手势识别和表情识别作为自然的、符合直觉的人机交互方式,是近年来十分热门的研究方向。 本文研究了基于NAO机器人的手势识别和表情识别,并用于进行人机交互。 本文的主要内容如下: 首先,介绍了手势识别和表情识别的研究方法和研究现状,并分析了目前存在一些难点,比如 泛化能力较差、难以实用等。 其次,先介绍了卷积神
  3. 所属分类:嵌入式

    • 发布日期:2020-01-03
    • 文件大小:27262976
    • 提供者:u013725518
  1. 卷积神经网络模型总结.rar

  2. 本资源整理了近几年比较流行的卷积神经网络模型,CNN、resnet、VGG、densenet等。
  3. 所属分类:深度学习

    • 发布日期:2019-07-07
    • 文件大小:16777216
    • 提供者:qqyouhappy
  1. 基于卷积神经网络的语义分割在医学图像中的应用_吴玉超.pdf

  2. 论文仅供学习和参考。 本文综述了基于 CNN 的语义分割在医学图像领域中的研究进展,回顾了多种经典的语义分割方法及其架构变化,并重点介绍了它们在该领域的贡献和意义。在此基础上,进一步总结和讨论了它们在一些重要的生理与病理解剖结构分割中的应用。最后,本文讨论了语义分割在医学图像领域应用将遭遇的挑战和潜在发展方向。
  3. 所属分类:深度学习

    • 发布日期:2020-09-03
    • 文件大小:1048576
    • 提供者:olivia_ye
  1. 卷积神经网络认知及MNIST实践步骤+Kears建模对比

  2. 写在前面 有关卷积神经网络的定义,以及基础理论知识在同仁的博客中写的很到位,可以参见其他博客,阅读本博客之前,请先熟知卷积神经网络的结构,基本概念及运行机理。本次写作目的主要是从应用的视角来介绍CNN,归纳实现CNN的步骤,并以MNIST为例。此外,为了加深理解和迁移,还对比了Keras建立CNN的步骤。 本文的写作也借鉴了大量博客,在此郑重感谢。 目前大多博客主对CNN的代码解析大多是基于16年左右网络代码就行解读,大同小异,删删减减。先以最为普遍的代码为例,总结建立CNN的步骤,之后再对比K
  3. 所属分类:其它

    • 发布日期:2020-12-21
    • 文件大小:884736
    • 提供者:weixin_38749863
  1. 详解卷积神经网络(CNN)在语音识别中的应用

  2. 总结目前语音识别的发展现状,dnn、rnn/lstm和cnn算是语音识别中几个比较主流的方向。2012年,微软邓力和俞栋老师将前馈神经网络FFDNN(FeedForwardDeepNeuralNetwork)引入到声学模型建模中,将FFDNN的输出层概率用于替换之前GMM-HMM中使用GMM计算的输出概率,引领了DNN-HMM混合系统的风潮。长短时记忆网络(LSTM,LongShortTermMemory)可以说是目前语音识别应用最广泛的一种结构,这种网络能够对语音的长时相关性进行建模,从而提高
  3. 所属分类:其它

    • 发布日期:2021-02-25
    • 文件大小:406528
    • 提供者:weixin_38702726
  1. 卷积神经网络CNN总结

  2. 本文来自cnblogs,首先讲解了那卷积神经网络跟它是什么关系呢?以及卷积神经网络的层级结构,过程中的一些问题详细解答。从神经网络到卷积神经网络(CNN)我们知道神经网络的结构是这样的:那卷积神经网络跟它是什么关系呢?其实卷积神经网络依旧是层级网络,只是层的功能和形式做了变化,可以说是传统神经网络的一个改进。比如下图中就多了许多传统神经网络没有的层次。卷积神经网络的层级结构数据输入层/Inputlayer卷积计算层/CONVlayerReLU激励层/ReLUlayer池化层/Poolinglay
  3. 所属分类:其它

    • 发布日期:2021-02-24
    • 文件大小:873472
    • 提供者:weixin_38609128
  1. 详解卷积神经网络(CNN)在语音识别中的应用

  2. 总结目前语音识别的发展现状,dnn、rnn/lstm和cnn算是语音识别中几个比较主流的方向。2012年,微软邓力和俞栋老师将前馈神经网络FFDNN(FeedForwardDeepNeuralNetwork)引入到声学模型建模中,将FFDNN的输出层概率用于替换之前GMM-HMM中使用GMM计算的输出概率,引领了DNN-HMM混合系统的风潮。长短时记忆网络(LSTM,LongShortTermMemory)可以说是目前语音识别应用最广泛的一种结构,这种网络能够对语音的长时相关性进行建模,从而提高
  3. 所属分类:其它

    • 发布日期:2021-02-02
    • 文件大小:406528
    • 提供者:weixin_38730840
  1. 卷积神经网络CNN总结

  2. 本文来自cnblogs,首先讲解了那卷积神经网络跟它是什么关系呢?以及卷积神经网络的层级结构,过程中的一些问题详细解答。从神经网络到卷积神经网络(CNN)我们知道神经网络的结构是这样的:那卷积神经网络跟它是什么关系呢?其实卷积神经网络依旧是层级网络,只是层的功能和形式做了变化,可以说是传统神经网络的一个改进。比如下图中就多了许多传统神经网络没有的层次。卷积神经网络的层级结构数据输入层/Inputlayer卷积计算层/CONVlayerReLU激励层/ReLUlayer池化层/Poolinglay
  3. 所属分类:其它

    • 发布日期:2021-01-27
    • 文件大小:873472
    • 提供者:weixin_38617846
  1. 基于深度学习的语义分割问题研究综述

  2. 语义分割是计算机视觉领域的核心技术,通过对图像中的每个像素点进行分类,将图像分割成若干个具有特定语义类别的区域。近年来,卷积神经网络(CNN)不断取得突破性进展,利用深度学习方法处理语义分割问题展示出具大的潜力。首先从语义分割的定义出发,探讨了目前语义分割领域存在的挑战。在介绍CNN相关原理的基础上,详细对比了几种用于语义分割算法评测的数据集,并重点对近年来语义分割领域基于解码器、信息融合和循环神经网络的深度学习方法进行综述。最后进行总结和展望,阐述了未来语义分割领域在进一步丰富数据库场景、提高
  3. 所属分类:其它

    • 发布日期:2021-01-26
    • 文件大小:14680064
    • 提供者:weixin_38691055
  1. 基于Matlab Deep Learning Toolbox的卷积神经网络实现在图像上的水体识别任务

  2. 本文原创,转载请引用https://blog.csdn.net/baidu_38306313/article/details/104310931 代码已上传到GitHub:https://github.com/yufeifeiyu/Matlab-Deep-Learning-Toolbox-CNN-Water-image-recognition 文章目录摘要1 引言2 数据集3 网络模型4 实验流程4.1 数据预处理4.2 数据标记4.3 训练集和测试集的生成5 实验结果6 总结和展望7 参考文
  3. 所属分类:其它

    • 发布日期:2021-01-20
    • 文件大小:512000
    • 提供者:weixin_38570278
  1. deeplearning学习总结(三)——卷积神经网络(CNN)

  2. 1. CNN介绍 1.1 为什么引入CNN CNN是一种主要用于图像识别的神经网络深度学习方法,当图片像素过大,例如为3000*3000时(当然这也太大了),在Keras中根本无法使用Dense层直接运算,因此需要引入CNN。简单的说:CNN在工作过程中提取图片边缘信息,丢弃掉剩余信息,使图片信息变小,更便于运算。 1.2 CNN工作方式 计算机通过寻找诸如边缘和曲线之类的低级特点来分类图片, 经过卷积层后构建出更抽象的概念。CNN采用了局部连接和权值共享,保持了网络的深层构架,同时又减少了网络
  3. 所属分类:其它

    • 发布日期:2021-01-20
    • 文件大小:125952
    • 提供者:weixin_38548589
  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