您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. Iris flower data set 或 Fisher

  2. 参考网页 http://en.wikipedia.org/wiki/Iris_flower_data_set Iris flower data set (Fisher's Iris data set)是一个用于区分分析(discriminant analysis)的多变量数据集。该数据集有3个类,每类50个样本,每个样本是一个4维的特征向量。
  3. 所属分类:专业指导

    • 发布日期:2008-11-24
    • 文件大小:4096
    • 提供者:cat_ng
  1. rcnn-tflearn-flower

  2. 基于 tflearn 实现 rcnn,做 flower 数据集的目标检测。
  3. 所属分类:深度学习

    • 发布日期:2017-11-29
    • 文件大小:84992
    • 提供者:houchaoqun_xmu
  1. flower_photos

  2. 包含5类daisy、dandelion、roses、sunflowers、tulips 由于近期官方下载链接经常失效,故特此提供
  3. 所属分类:机器学习

    • 发布日期:2018-03-12
    • 文件大小:229638144
    • 提供者:qq_36356761
  1. 102 Category Flower Dataset(标签文件)

  2. 102 Category Flower Dataset图片标签、训练集标签、验证集标签、测试集标签
  3. 所属分类:深度学习

    • 发布日期:2018-05-18
    • 文件大小:16384
    • 提供者:william_hehe
  1. 牛津花卉数据集(OxFlowers17)

  2. 数据集为17 Category Flower Dataset,是牛津大学Visual Geometry Group选取的在英国比较常见的17种花;其中每种花有80张图片,整个数据集有1360张图片;类别已经分好,标签就是最外层的文件夹的名字,在输入标签的时候可以直接通过文件读取的方式。
  3. 所属分类:深度学习

    • 发布日期:2018-07-23
    • 文件大小:59768832
    • 提供者:yz_hust
  1. CNN flower数据集和模型

  2. 用于Tensor CNN训练的花的数据集和已经训练好模型的压缩包
  3. 所属分类:深度学习

    • 发布日期:2019-04-03
    • 文件大小:113246208
    • 提供者:z345436330
  1. 机器学习Iris Flower数据集

  2. 机器学习中很常用的Iris数据集,作为入门学习非常适合。
  3. 所属分类:机器学习

    • 发布日期:2019-04-18
    • 文件大小:3072
    • 提供者:m0_37738570
  1. 使用深度模型迁移进行细粒度图像分类的方法.pdf

  2. 针对细粒度图像分类方法中存在模型复杂度较高、难以利用较深模型等问题,提出深度模型迁移( DMT)分类方法。首先,在粗粒度图像数据集上进行深度模型预训练;然后,使用细粒度图像数据集对预训练模型logits层进行不确切监督学习,使其特征分布向新数据集特征分布方向迁移;最后,将迁移模型导出,在对应的测试集上进行测试。实验结果表明,在STANFORD DOGS、CUB -200 -2011、OXFORD FLOWER-102细粒度图像数据集上,DMT分类方法的分类准确率分别达到72.23%、73. 3
  3. 所属分类:其它

    • 发布日期:2019-07-23
    • 文件大小:1048576
    • 提供者:weixin_39841365
  1. 17flowers数据集,内附用于图像数据整理的organization.py

  2. 17 Category Flower Dataset,是牛津大学Visual Geometry Group选取的在英国比较常见的17种花,其中每种花有80张图片,整个数据集有1360张图片。提供了分类好的17种花,标签与文件夹一一对于。也提供了组织分类程序,组织分类的程序所做的工作是将17类花按照标签分开到17个文件夹里,你可以通过python学习分类标签的过程,也可以将程序内的标签等换成你的数据标签用于组织数据分类。
  3. 所属分类:深度学习

    • 发布日期:2020-04-25
    • 文件大小:120586240
    • 提供者:weixin_42165913
  1. flower.zip

  2. 数据集,本文使用的数据集依然是前两期学习使用的flowers17数据集,所以具体请看前面的数据集介绍。现在我们进行数据集的转换格式成tfrecord格式的数据集。
  3. 所属分类:深度学习

    • 发布日期:2019-10-13
    • 文件大小:228589568
    • 提供者:qq_36789311
  1. flower数据集flower_photos.zip

  2. 本文件夹中有五种鲜花的图片数据,分别为玫瑰,太阳花,雏菊,蒲公英,郁金香,其中每种约800张图像数据,共计约4000张,可用于深度学习图像分类练习使用
  3. 所属分类:机器学习

    • 发布日期:2020-07-02
    • 文件大小:229638144
    • 提供者:liu834648554
  1. 分类好的17flowers dataset

  2. 在进行目标检测时,采用RCNN网络,为了减少计算量,选取17 Category Flower Dataset,而不是使用 PASCAL VOC 2012 数据集,选择的花是英国的一些普通花。图像具有大比例、姿势和光线变化,并且类中也有图像大变数且与其他类相似的类。
  3. 所属分类:深度学习

    • 发布日期:2020-12-28
    • 文件大小:124780544
    • 提供者:qq_43456781
  1. simple-iris-flower-classification-ML--源码

  2. 鸢尾花数据集的数据分类和可视化。 使用KNN进行模型训练以预测未来的样本。
  3. 所属分类:其它

    • 发布日期:2021-03-13
    • 文件大小:29696
    • 提供者:weixin_42132325
  1. 用于图像分类的两级分层特征学习

  2. 在某些图像分类任务中,不同类别之间的相似性是不同的,并且样本通常被误分类为高度相似的类别。 为了区分高度相似的类别,需要更具体的功能,以便分类器可以提高分类性能。 在本文中,我们提出了一种基于深度卷积神经网络(CNN)的新颖的两级分层特征学习框架,该框架简单有效。 首先,使用转移学习方法训练不同级别的深度特征提取器,该方法将预训练的深度CNN模型朝新的目标数据集进行微调。 其次,将从所有类别中提取的一般特征和从高度相似的类别中提取的特定特征融合到特征向量中。 然后将最终的特征表示输入线性分类器。
  3. 所属分类:其它

    • 发布日期:2021-02-25
    • 文件大小:711680
    • 提供者:weixin_38614377
  1. CNN-from-Scratch-Cupy:这是一个完全矢量化的CNN组件存储库:Dense,Conv2D,Max Pool和Flatten层-源码

  2. CNN从零开始 这是一个完全矢量化的CNN组件存储库:密集,Conv2D,最大池和展平层。 已在Tensorflow的Flower数据集上对其进行了测试: ://www.tensorflow.org/datasets/catalog/tf_flowers 要运行cnn_runner.py,请从此云端硬盘链接下载以下数据集numpy文件: ://drive.google.com/drive/folders/15WE2GjTyN8I9O0P0PJaSbfT-n-sN8cxx?usp=shari
  3. 所属分类:其它

    • 发布日期:2021-02-16
    • 文件大小:143360
    • 提供者:weixin_42165973
  1. four_flower:使用tensorflow和cnn做的图像识别,对某种花进行了分类-源码

  2. 四朵花 这是一个图像识别项目,基于tensorflow,现有的CNN网络可以识别多个花的种类。适合新手对使用tensorflow进行一个完整的图像识别过程有一个大致轮廓。项目包括对数据集的处理,从硬盘读取数据,CNN网络的定义,训练过程,还实现了一个GUI界面用于使用训练好的网络。 要求 安装Anaconda 引入环境environment.yaml conda env update -f=environment.yaml 快速开始 git clone这个项目 解压input_data.rar到
  3. 所属分类:其它

    • 发布日期:2021-02-06
    • 文件大小:6291456
    • 提供者:weixin_42121725
  1. Kaggle比赛Flower Classification with TPUs中配置TPU以及加载公开数据集的问题

  2. 配置TPU 关于如何配置TPU,官方文档(Tensor Processing Units (TPUs))里面写的明明白白: Once you have flipped the “Accelerator” switch in your notebook to “TPU v3-8”, this is how to enable TPU training in Tensorflow Keras: # detect and init the TPU tpu = tf.distribute.cluster
  3. 所属分类:其它

    • 发布日期:2021-01-20
    • 文件大小:62464
    • 提供者:weixin_38721252
  1. 基于Multi-kernel 和KRR的数据还原算法

  2. 由于数据被核化后不能还原, 使核方法的应用受到局限. 对此, 提出一种基于Multi-kernel 和KRR的数据还原算法. 首先, 通过同类数据中已知数据进行多次核化迭代, 使已知数据在超高维欧氏空间中呈线性; 然后, 利用已知数据对同类未知数据进行线性表示, 并以Kernel ridge regression (KRR) 算法进行未知数据的回归; 最后实现数据还原. 选取Iris flower 和JAFFE 两类数据集进行还原实验, 实验结果表明, 所提出的算法可以有效地还原未知数据, 而且
  3. 所属分类:其它

    • 发布日期:2021-01-14
    • 文件大小:661504
    • 提供者:weixin_38592758
  1. MNIST数据集和CIFAR-10数据集JPEG

  2. 1. MNIST手写数字数据集,其中数字8被替换为数字0逆时针旋转90°和数字8的叠加 2. CIFAR-10数据集,增加flower类别,共11个类别
  3. 所属分类:其它

    • 发布日期:2021-01-13
    • 文件大小:155189248
    • 提供者:weixin_43666474
  1. 基于深度残差生成式对抗网络的样本生成方法

  2. 作为样本生成的重要方法之一,生成式对抗网络(GAN)可以根据任意给定数据集中的数据分布生成样本,但它在实际的训练过程中存在生成样本纹理模糊、训练过程不稳定以及模式坍塌等问题.针对以上问题,在深度卷积生成式对抗网络(DCGAN)的基础上,结合残差网络,设计一种基于深度残差生成式对抗网络的样本生成方法RGAN.该样本生成方法利用残差网络和卷积网络分别构建生成模型和判别模型,并结合正负样本融合训练的学习优化策略进行优化训练.其中:深度残差网络可以恢复出丰富的图像纹理;正负样本融合训练的方式可以增加对抗
  3. 所属分类:其它

    • 发布日期:2021-01-12
    • 文件大小:15728640
    • 提供者:weixin_38732277
« 12 »