您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 深度学习-卷积网络python及MATLAB代码实现

  2. 深度学习-卷积网络、SVM/机器学习python及MATLAB代码实现,附训练集,拿到手就能跑起来、
  3. 所属分类:Python

    • 发布日期:2015-07-21
    • 文件大小:18874368
    • 提供者:eddy_zheng
  1. 改进的深度卷积网络及在碎纸片拼接中的应用

  2. 改进的深度卷积网络及在碎纸片拼接中的应用
  3. 所属分类:深度学习

    • 发布日期:2017-06-05
    • 文件大小:2097152
    • 提供者:catchthesky
  1. 解析卷积神经网络

  2. 深度讲解卷积神经网络,理论、实践与应用 版面清晰,适合学习深度学习、想深入理解卷积神经网络的同学
  3. 所属分类:深度学习

    • 发布日期:2018-04-20
    • 文件大小:44040192
    • 提供者:niuqichaowing
  1. 吴恩达卷积网络课件第一周

  2. 这是吴恩达深度学习卷积网络单元的第一周所有PPT和字幕
  3. 所属分类:讲义

    • 发布日期:2018-08-11
    • 文件大小:137363456
    • 提供者:chengxuyuan_10
  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

    • 发布日期:2020-05-13
    • 文件大小:1048576
    • 提供者:weixin_38694566
  1. 基于深度时空卷积神经网络的人群异常行为检测和定位

  2. 针对公共场合人群异常行为检测准确率不高和训练样本缺乏的问题,提出一种基于深度时空卷积神经网络 的人群异常行为检测和定位的方法。首先针对监控视频中人群行为的特点,综合利用静态图像的空间特征和前后帧 的时间特征,将二维卷积扩展到三维空间,设计面向人群异常行为检测和定位的深度时空卷积神经网络;为了定位 人群异常行为,将视频分成若干子区域,获取视频的子区域时空数据样本,然后将数据样本输入设计的深度时空卷 积神经网络进行训练和分类,实现人群异常行为的检测与定位。同时,为了解决深度时空卷积神经网络训练时样本
  3. 所属分类:算法与数据结构

    • 发布日期:2019-04-06
    • 文件大小:762880
    • 提供者:weixin_44684342
  1. 深度学习 卷积网络

  2. MIT版深度学习第9章 卷积网络 。 ,卷积神经网络(Convolutional Neural Networks)是一种深度学习模型或类似于人工神经网络的多层感知器,常用来分析视觉图像。
  3. 所属分类:深度学习

    • 发布日期:2020-11-04
    • 文件大小:18874368
    • 提供者:baidu_35560935
  1. 《动手学深度学习——卷积神经网络、LeNet、卷积神经网络进阶》笔记

  2. 动手学深度学习:卷积神经网络,LeNet,卷积神经网络进阶 卷积神经网络基础 目录: 1、卷积神经网络的基础概念 2、卷积层和池化层 3、填充、步幅、输入通道和输出通道 4、卷积层的简洁实现 5、池化层的简洁实现 1、卷积神经网络的基础概念 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
  3. 所属分类:其它

    • 发布日期:2021-01-07
    • 文件大小:135168
    • 提供者:weixin_38630571
  1. 动手学深度学习—卷积神经网络

  2. 卷积神经网络 典型的卷积神经网络由卷积层、池化层、全连接层构成。 卷积层 卷积:在原始的输入上进行特征的提取。特征提取简言之就是,在原始输入上一个小区域一个小区域进行特征的提取。 直观的理解卷积 以上图为例: 第一次卷积可以提取出低层次的特征。 第二次卷积可以提取出中层次的特征。 第三次卷积可以提取出高层次的特征。 特征是不断进行提取和压缩的,最终能得到比较高层次特征,简言之就是对原式特征一步又一步的浓缩,最终得到的特征更可靠。利用最后一层特征可以做各种任务:比如分类、回归等。 卷积层得名于卷
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:206848
    • 提供者:weixin_38750644
  1. 基于深度卷积网络转移学习的面部表情识别

  2. 基于深度卷积网络转移学习的面部表情识别
  3. 所属分类:其它

    • 发布日期:2021-03-17
    • 文件大小:3145728
    • 提供者:weixin_38658471
  1. 通过具有K-mer嵌入的卷积网络发现主题

  2. 随着深度学习的飞速发展,一些基于深度神经网络的判别式主题发现方法逐渐成为主流,这也带来了预测准确性的巨大提高。 在本文中,我们提出了一种基于卷积神经网络的架构(eCNN),将嵌入层与GloVe相结合。 首先,eCNN通过滑动窗口将ChIP-seq数据集的每个单个序列划分为多个子序列,称为k-mers,然后通过GloVe将k-mers编码为相对低维的向量,最后使用多个卷积网络对每个向量进行评分。 实验表明,我们的体系结构可以在主题发现任务上获得良好的结果。
  3. 所属分类:其它

    • 发布日期:2021-03-15
    • 文件大小:516096
    • 提供者:weixin_38743968
  1. 具有自适应学习率的深度卷积网络的人脸对齐

  2. 深度卷积网络已广泛用于人脸识别,而并不经常用于人脸对齐。 其最重要的原因之一是由于繁琐且费时的注释工作,缺少带有地标注释的训练图像。 为了克服这个问题,我们提出了一种新颖的数据扩充策略。 我们针对两个迭代过程设计了一种具有自适应学习率的创新训练算法,可帮助网络搜索最佳解决方案。 我们的卷积网络可以学习全局高级特征并直接预测面部标志的坐标。 广泛的评估表明,在复杂的遮挡,姿势,照明和表情变化的情况下,我们的方法优于最新方法。
  3. 所属分类:其它

    • 发布日期:2021-03-12
    • 文件大小:655360
    • 提供者:weixin_38725450
  1. 图卷积网络哈希用于跨模态检索

  2. 基于深度网络的跨模式检索最近取得了重大进展。 但是,缩小模态差距以进一步提高检索准确性仍然是关键的瓶颈。 在本文中,我们提出了一种图卷积哈希(GCH)方法,该方法通过一个亲和度图学习模态统一的二进制代码。 端到端的深度架构由三个主要组件构成:语义编码器模块,两个特征编码网络和图卷积网络(GCN).Wedesignasemanticencoderasa教师模块指导语义的特征编码过程(即学生模块)信息开发。 此外,利用GCNi来探索数据点之间的固有相似性结构,这将有助于生成可区分的哈希码。 在三个基
  3. 所属分类:其它

    • 发布日期:2021-03-08
    • 文件大小:482304
    • 提供者:weixin_38633157
  1. 学习反卷积网络的目标跟踪

  2. 可以通过学习顺序跟踪目标外观的模型来解决对象跟踪问题。 因此,鲁棒的外观表示是视觉跟踪中的关键步骤。 最近,深度卷积网络通过利用强大的高级功能在视觉跟踪方面表现出了非凡的能力。 为了获得这些高级功能,可在深度卷积网络中交替执行卷积和池化操作。 然而,这些操作导致空间分辨率低的特征图,这降低了跟踪中的定位精度。 虽然低层特征具有足够的空间分辨率,但它们的表示能力不足。 为了缓解这个问题,我们在视觉跟踪中利用了反卷积网络。 该反卷积网络用作可学习的上采样层,该层将低分辨率的高级特征图作为输入,并输出
  3. 所属分类:其它

    • 发布日期:2021-03-07
    • 文件大小:1048576
    • 提供者:weixin_38587509
  1. 具有自适应学习率的深度卷积网络的人脸对齐

  2. 深度卷积网络已广泛用于人脸识别,而并不经常用于人脸对齐。 其最重要的原因之一是由于繁琐且费时的注释工作,缺少带有地标注释的训练图像。 为了克服这个问题,我们提出了一种新颖的数据扩充策略。 我们针对两个迭代过程设计了一种具有自适应学习率的创新训练算法,可帮助网络搜索最佳解决方案。 我们的卷积网络可以学习全局高级特征并直接预测面部标志的坐标。 广泛的评估表明,在复杂的遮挡,姿势,照明和表情变化的情况下,我们的方法优于最新方法。
  3. 所属分类:其它

    • 发布日期:2021-03-05
    • 文件大小:1048576
    • 提供者:weixin_38682254
  1. cartoon-photo-classifier:卡通照片分类器:两个基于Tensorflow-Keras的比较深度学习卷积神经网络(CNN),可预测图像是卡通还是照片-源码

  2. 卡通照片分类器 两个基于Tensorflow-Keras的比较深度学习卷积神经网络(CNN),可预测图像是卡通还是照片
  3. 所属分类:其它

    • 发布日期:2021-02-28
    • 文件大小:2048
    • 提供者:weixin_42138139
  1. 深度学习 卷积神经网络 数据集(96M)val-1.rar

  2. python深度学习 卷积神经网络 ,数据集。每个模型20张图片 ├─bus ├─family sedan ├─fire engine ├─heavy truck ├─jeep ├─minibus ├─racing car ├─SUV ├─taxi └─truck
  3. 所属分类:深度学习

    • 发布日期:2021-02-22
    • 文件大小:100663296
    • 提供者:gelunbu321
  1. 基于深度学习的全卷积网络图像裂纹检测

  2. 基于深度学习的全卷积网络图像裂纹检测
  3. 所属分类:其它

    • 发布日期:2021-02-07
    • 文件大小:338944
    • 提供者:weixin_38631197
  1. DPED:使用深度卷积网络自动提高照片质量的软件和预训练模型-源码

  2. 具有深度卷积网络的移动设备上的DSLR质量照片 1.概述 提供的代码实现了本文,该论文提出了一种端到端的深度学习方法,可以将来自智能手机的普通照片转换为DSLR品质的图像。 学习的模型可以应用于任意分辨率的照片,而方法本身可以推广到任何类型的数码相机。 在可以找到更多的视觉结果。 2.先决条件 Python +枕头,scipy,numpy,imageio软件包 + 英伟达GPU 3.第一步 下载预训练的并将其放入vgg_pretrained/文件夹 下载(用于CNN培训的补丁)并将其
  3. 所属分类:其它

    • 发布日期:2021-02-05
    • 文件大小:4194304
    • 提供者:weixin_42131342
  1. 深度学习——卷积神经网络

  2. 卷积神经网络 文章目录卷积神经网络一、卷积神经网络基础1.基础知识2.卷积层的简洁实现3.池化二、LeNet三、常见的一些卷积神经网络1.AlexNet2.VGG3.NiN4.GoogLeNet   一、卷积神经网络基础 1.基础知识 二维互相关(cross-correlation)运算:输入一个二维数组和核数组(卷积核或过滤器),卷积核在输入数组上滑动,在每个位置上与输入子数组按元素相乘并求和,取得一个输出的二维数组。如图中所示:19=0×0+1×1+3×2+4×3,25=1×0+2×1+4×
  3. 所属分类:其它

    • 发布日期:2021-01-20
    • 文件大小:242688
    • 提供者:weixin_38660918
« 12 3 4 5 6 7 8 9 10 ... 50 »