您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. TensorFlow2 学习——图像分类

  2. 文章目录TensorFlow2 学习——图像分类导包原始数据数据作图数据划分与标准化构建模型并训练模型评估与预测其他:回调Callback的使用 TensorFlow2 学习——图像分类 导包 import matplotlib.pyplot as plt import numpy as np import pandas as pd import tensorflow as tf from sklearn.preprocessing import StandardScaler from skle
  3. 所属分类:其它

    • 发布日期:2020-12-22
    • 文件大小:112640
    • 提供者:weixin_38685882
  1. deep-learning-for-image-processing:用于图像处理的深度学习,包括分类和对象检测等-源码

  2. 深度学习在图像处理中的应用教程 前言 本教程是对本人研究生期间的研究内容进行整理总结,总结的同时也希望能够帮助更多的小伙伴。 本教程会以视频的方式进行分享,教学流程如下: 1)介绍网络的结构与创新点2)使用Pytorch进行网络的建造与训练3)使用Tensorflow(内部的keras模块)进行网络的建造与训练 教程目录,单击重新相应视频(后续会根据学习内容增加) 图像分类 LeNet(已​​完成) AlexNet(已​​完成) VggNet(已​​完成) GoogLeNet(已​​完成) R
  3. 所属分类:其它

    • 发布日期:2021-03-06
    • 文件大小:984064
    • 提供者:weixin_42131439
  1. Image-Identification-App:图像识别应用程序内置于React中,并使用针对浏览器“ TensorFlow.js”的机器学习框架和针对图像分类“ MobileNet”的预训练模型在Firebase上部署-源码

  2. 图像识别应用 使用React,TensorFlow.js(使用MobileNet)和 :red_heart: 该应用程序已在Firebase上实时部署: ://identifyimage-2021.web.app/ 使用Reactor内置的图像识别应用程序,并使用针对浏览器“ TensorFlow.js”的机器学习框架和针对图像分类“ MobileNet”的预训练模型在Firebase上部署。 上载单个图像并在图像中标识对象。 您可以从互联网上使用“图片网址”。 “最近的图像”选项,以
  3. 所属分类:其它

    • 发布日期:2021-03-04
    • 文件大小:204800
    • 提供者:weixin_42099815
  1. 图像分类器:使用预训练模型-“ MobileNet”和tensorFlow.js构建的基本图像分类器-源码

  2. 图像分类器:使用预训练模型-“ MobileNet”和tensorFlow.js构建的基本图像分类器
  3. 所属分类:其它

    • 发布日期:2021-02-13
    • 文件大小:655360
    • 提供者:weixin_42105169
  1. 使用深度学习对食物图像进行分类-源码

  2. 使用深度学习对食物图像进行分类 执行摘要 某个图像不仅必须代表一个属性,而且在大多数情况下代表两个以上。 换句话说,可以为单个图像指定多个标题或标签。 这个问题称为多标签分类,用于少数内容检索和场景理解。 对于本研究,使用Keras(带有Tensorflow后端)将多标签分类算法应用于食物图像。 更改了简单的CNN模型,让位于多标签分类。 为了使事情变得容易,特别使用了ResNet50,MobileNet,DenseNet121和Xception等预先训练的CNN模型。 然后,应使用Nanone
  3. 所属分类:其它

    • 发布日期:2021-02-13
    • 文件大小:42991616
    • 提供者:weixin_42136826
  1. tensorflow-object-detection-ssd-mobilenet:如何训练TensorFlow对象检测分类器以在Windows上进行多对象检测-源码

  2. 军事目标实时检测以实现智能监控 简要总结 实时对象检测是计算机视觉的一个广阔,充满活力但不确定的复杂领域。 由于物体检测与视频分析和图像理解密切相关,因此近年来引起了很多研究关注。 在本文中,我们对军事目标检测进行了综述,目的是实现实时性能的高精度。 该对象检测系统用于在广阔而复杂的战场上快速准确地检测军事对象,这受到人类视觉信息处理过程的启发。 这项研究的主要目的是通过实施有助于检测入侵的智能视觉监控系统来帮助人类操作人员。 该系统主要用于检测对边界构成主要安全威胁的物体。该系统可以自动检测,
  3. 所属分类:其它

    • 发布日期:2021-02-12
    • 文件大小:4096
    • 提供者:weixin_42164702