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. LOMO特征提取

  2. LOMO特征，有HSV色系的直方图特征和LBP特征的改进SILTP特征组成。属于效果较好的传统特征。其在提特征之前先使用RESNET图像预处理方法处理图像。使用OPENCV2.4.9实现

  3. 所属分类：图像处理

    • 发布日期：2017-10-08
    • 文件大小：28311552
    • 提供者：gbh1993

  1. Matlab-Deep Learning Toolbox

  2. Deep Learning Toolbox™提供了一个框架，用于设计和实现具有算法，预训练模型和应用程序的深度神经网络。您可以使用卷积神经网络（ConvNets，CNN）和长期短期记忆（LSTM）网络对图像，时间序列和文本数据进行分类和回归。应用程序和图表可帮助您可视化激活，编辑网络体系结构以及监控培训进度。 对于小型训练集，您可以使用预训练的深层网络模型（包括SqueezeNet，Inception-v3，ResNet-101，GoogLeNet和VGG-19）以及从TensorFlow™-

  3. 所属分类：深度学习

    • 发布日期：2019-04-08
    • 文件大小：14680064
    • 提供者：yun000feng

  1. torchvision-0.3.0-cp37-cp37m-win_amd64.whl

  2. torchvision 主要包含以下三部分： models : 提供深度学习中各种经典的网络结构以及训练好的模型，包括Alex Net, VGG系列、ResNet系列、Inception系列等； datasets：提供常用的数据集加载，设计上都是继承torch.utils.data.Dataset，主要包括MMIST、CIFAR10/100、ImageNet、COCO等； transforms: 提供常用的数据预处理操作，主要包括对Tensor及PIL Image对象的操作。

  3. 所属分类：深度学习

    • 发布日期：2019-07-30
    • 文件大小：232448
    • 提供者：qq_43526642

  1. Satellite-Image-Segmentation-for-Flood-Damage-Analysis:使用以Resnet-34为后骨的UNET进行洪水检测和分析的卫星图像分割-源码

  2. 卫星图像分段洪水洪水分析 数据源 免费的公共图像：使用超高分辨率图像（1973 x 2263像素）的前哨数据集，每像素分辨率为0.5m。掩模（960 x 960像素）每像素分辨率为1m，用于建筑物和损坏检测。数据： ： 数据 预处理步骤 使用BICUBIC重采样技术将VHR图像缩小到（1024,1024）分辨率。 使用BICUBIC重采样技术将图像蒙版上采样到（1024,1024）分辨率。 将图像及其各自的蒙版分别剪切为4个分辨率为（512,512）的色块。 VHR图像和蒙版都从int张量

  3. 所属分类：其它

    • 发布日期：2021-03-22
    • 文件大小：14680064
    • 提供者：weixin_42169245

  1. SOLO:SOLO和SOLOv2用于细分，ECCV 2020和NeurIPS 2020-源码

  2. SOLO：按位置分割对象 该项目托管用于实现SOLO算法（用于实例分割）的代码。 ，王新龙，Kong涛，沉春华，江玉宁，李磊在：Proc。 2020年欧洲计算机视觉会议（ECCV） arXiv预印本（ ） ，王新龙，张如峰，Kong涛，李磊，沉春华在：Proc。 2020年神经信息处理系统（NeurIPS）的进展arXiv预印本（ ） 强调 完全不带盒子： SOLO完全不带盒子，因此不受（锚定）盒子位置和比例的限制，自然受益于FCN的固有优势。 直接实例分割：我们的方法以图像为输入，以完

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：4194304
    • 提供者：weixin_42162171

  1. DeepJulia：在Knet框架之上设计的Julia深度学习框架，可提供高级功能-源码

  2. 深Julia 联系 电子邮件： / 注意：有关错误报告和请求，请使用GitHub问题。 描述 DeepJulia是使用Knet深度学习框架以Julia编程语言实现的深度学习库。 Knet包括低级别的操作，但不包括高层的层和类，用于构造更复杂的深度学习结构。 该库提供了一些初始层结构和最常用的主干模型，例如ResNet，VGG，MobileNet，它们具有预先训练的权重。 包括 基本层：线性，卷积，批处理规范化，ReLU，池化，全局池化，辍学等。 GPU / CPU设备：仅需调用一个函数，

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：41984
    • 提供者：weixin_42175516

  1. FlowerPower：花也有感觉-源码

  2. 使用时间卷积网络进行唇读 s ， ， ，。 内容 深层唇读 介绍 这是的和。 在此存储库中，我们提供了预训练的模型以及用于端到端可视语音识别（口头阅读）的网络设置。 我们在上训练了我们的模型。 网络体系结构基于3D卷积，ResNet-18和MS-TCN。 通过使用此存储库，您可以在LRW数据集上实现87.9％的性能。 该报告还提供了用于特征提取的脚本。 预处理 如，来自LRW数据集的每个视频序列都经过以下处理：1）进行面部检测和面部对齐，2）将每帧对齐到参考平均面部形状3）从对齐后的裁剪出固

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：139460608
    • 提供者：weixin_42104366

  1. 无线网络信号传输建模：一种区间二型模糊集成深度学习方法

  2. 针对常用的信号传输模型存在使用场景单一、预测精度不佳的问题，提出一种适用于多场景的数据驱动无线信号传输模型。首先根据先验知识从预处理后的数据构造初始特征，接着进行特征选择，以得到输入特征集合。然后分析建模需求，选择深度置信网络（DBN）、残差网络（ResNet）和堆叠自编码器（SAE）作为区间二型模糊规则的后件（个体深度学习器），经过区间二型模糊推理进行集成。最后采用5G网络信号传输实测数据，并进行实验验证。结果表明，3种个体深度学习器在测试集上的表现均优于Cost231-Hata模型和反向传播

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：5242880
    • 提供者：weixin_38694336