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. 关于MCNN的解读

  2. 一篇关于人群密度和人群技术方法 的优秀论文，写的很好

  3. 所属分类：深度学习

    • 发布日期：2018-05-28
    • 文件大小：2097152
    • 提供者：u012181525

  1. CNN-人群密度检测-密度图制作-数据集-标注工具等

  2. CNN-人群密度检测-密度图制作-数据集-标注工具等，这里的内容主要是本人在学习过程中在网络上收集所得。也有部分自己的改写。费了半天劲儿整理。绝对物超所值。

  3. 所属分类：深度学习

    • 发布日期：2018-10-28
    • 文件大小：177209344
    • 提供者：a571255945

  1. crowd counting test single image demo

  2. 以人群计数为例，对训练好的MCNN caffe模型，调用caffe的python接口进行前向测试，输出人群密度图。详细请参考博客：https://blog.csdn.net/u011285477/article/details/51954989

  3. 所属分类：深度学习

    • 发布日期：2019-03-20
    • 文件大小：2048
    • 提供者：u011285477

  1. shanghaitech数据集

  2. shanghai数据集用于行人密度识别、适用于MCNN人群密度估计

  3. 所属分类：机器学习

    • 发布日期：2019-03-31
    • 文件大小：174063616
    • 提供者：weixin_41143397

  1. crowdcount-mcnn-master复现的预训练模型

  2. crowdcount-mcnn-master复现的预训练模型,话说从dropbox下载文件还真是费劲.我的复现过程出现的问题汇总在https://blog.csdn.net/jiruijing123/article/details/88750427

  3. 所属分类：机器学习

    • 发布日期：2019-03-22
    • 文件大小：953344
    • 提供者：jiruijing123

  1. TensorFlow高效读取数据的方法示例

  2. 概述 最新上传的mcnn中有完整的数据读写示例，可以参考。 关于Tensorflow读取数据，官网给出了三种方法： 供给数据(Feeding)： 在TensorFlow程序运行的每一步， 让Python代码来供给数据。 从文件读取数据： 在TensorFlow图的起始， 让一个输入管线从文件中读取数据。 预加载数据： 在TensorFlow图中定义常量或变量来保存所有数据(仅适用于数据量比较小的情况)。 对于数据量较小而言，可能一般选择直接将数据加载进内存，然后再分batch输入网络

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：74752
    • 提供者：weixin_38663415

  1. C#更新SQLServer中TimeStamp字段(时间戳)的方法

  2. 本文实例讲述了C#更新SQLServer中TimeStamp字段(时间戳)的方法。分享给大家供大家参考。具体实现方法如下： public partial class Form1 : Form { private SqlConnection mCnn = null; private long TimeStampValue; public Form1() { InitializeComponent(); mCnn = new SqlConne

  3. 所属分类：其它

    • 发布日期：2021-01-01
    • 文件大小：39936
    • 提供者：weixin_38612095

  1. MakeCNN:MakeCNN是我们确保所有人都能从ML中受益的方式-源码

  2. MakeCNN 每天越来越多的人希望将机器学习和AI应用于他们的产品。随着ML超越传统领域的发展，那些想跳入乐趣的人可能会发现自己对所涉及的技术概念以及成功将ML应用于其工作所需的学习量感到困惑。 MakeCNN就是为了简化这一过程。您所做的只是提供数据，剩下的事我们会处理！ 它的工作方式是，您有一个来自各个类的图像数据文件夹，而MakeCNN只是提取该数据，从中训练出卷积神经网络，然后允许您使用它对更多数据进行预测并应用。这样，您无需学习卷积神经网络，而是可以尽快应用它。 安装 要安装，只需确

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：6144
    • 提供者：weixin_42129412

  1. MCNN-based_HSI_Classification:MCNN-CP：使用混合卷积和协方差合并的高光谱图像分类（TGARS 2021）； MCNN-PS和Oct-MCNN-PS：使用混合3D八度和2D-亚像素卷积神经网络的高光谱图像分

  2. 基于MCNN的_HSI_分类 文件 MCNN-CP：使用混合卷积和协方差合并的高光谱图像分类（TGARS 2021） MCNN-PS和Oct-MCNN-PS：使用混合3D八度音程和2D子像素卷积神经网络的高光谱图像分类（已提交TGARS） 1.环境设置 该代码已在配备Intel i7-9750H 2.6 GHz处理器，32 GB RAM和NVIDIA GTX1650图形卡，Python 3.6，tensorflow_gpu-1.14.0，Keras-2.2.4，CUDA 10.0， cuDNN

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：8192
    • 提供者：weixin_42101641

  1. 使用MCNN进行人群计数：使用多列卷积神经网络对ShanghaiTech数据集进行人群计数-源码

  2. 使用MCNN进行人群计数-MindSpark Hackathon 2018 使用多列卷积神经网络对ShanghaiTech数据集进行人群计数。 这是CVPR 2016论文“通过多列卷积神经网络进行单图像人群计数”的非正式实施。 注意：可以做出预测。 有关热图生成的工作正在进行中。 安装 安装Tensorflow和Keras 安装OpenCV 克隆此存储库（以防您不想训练模型并希望使用预先训练的模型）。 资料设定 从以下位置下载ShanghaiTech数据集： 投寄箱： ：//www.d

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：6291456
    • 提供者：weixin_42102713

  1. 基于通道域注意力机制的人群密度估计算法研究

  2. 人群密度估计对于人流监控与人群安全具有重要意义。针对现有算法主要通过不同尺度感受野来学习特征，而无法高效利用多尺度特征的问题，文中设计了一个基于通道域注意力机制的特征融合模块。该模块可以在训练模型时学习特征融合的分布情况，以高效利用多尺度特征。此外，为解决人群数据集的样本有限问题，文中采用了多规模数据增广来训练模型。将新模型在Shanghaitech数据集上进行测试，并在陕西省某旅游景区人群计数数据集上进行验证。实验结果显示，基于通道域注意力机制的人群密度估计算法在MAE与MSE上均优于MCNN

  3. 所属分类：其它

    • 发布日期：2021-01-12
    • 文件大小：1048576
    • 提供者：weixin_38746926

  1. Reg-IBP:Reg-IBP-源码

  2. Reg-IBP 这是已提交的ICCV2021论文“ Reg-IBP：通过区间有界传播进行的高效且可扩展的神经网络鲁棒性训练”的正式实施。 安装 安装pytorch 克隆此存储库 资料设定 1.MNIST数据集2.CIFAR10数据集3.TinyImageNet数据集4.ShanghaiTech A和B部分数据集 可验证地训练提议的Reg-IBP： python3 tiny.py＃微小的imageNet挑战 python3 IBP_big_CIFAR_eps_8_255.py＃CIFAR-10挑

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：31744
    • 提供者：weixin_42116794