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. faster-rcnn-vgg16浮点运算次数

  2. 输入图像为768x576。在faster-rcnn中使用vgg16作为分类网络模型。

  3. 所属分类：深度学习

    • 发布日期：2018-06-11
    • 文件大小：16384
    • 提供者：xianyafu

  1. VGG caffemodel trained on ILSVRC，及deploy文件

  2. 来自官网数据，绝对可靠，文件清单如下： VGG16.prototxt VGG19.prototxt VGG_ILSVRC_16_layers.caffemodel VGG_ILSVRC_19_layers.caffemodel

  3. 所属分类：机器学习

    • 发布日期：2018-08-28
    • 文件大小：68
    • 提供者：wangxiudong

  1. 煤矸石图像分类方法

  2. 针对人工排矸法、机械湿选法、γ射线分选法等传统煤矸石分选方法无法兼顾快速高效性、安全无害性、简单操作性的问题，提出了基于机器视觉的煤矸石图像分类方法。对煤矸石图像进行增强、平滑去噪等预处理，采用基于距离变换的分水岭算法实现煤矸石图像分割提取。针对煤矿矸石分割图像，选取煤矸石图像的HOG特征及灰度共生矩阵，分别以支持向量机、随机森林、K近邻算法作为分类器进行基于特征提取的煤矸石分类识别；分别建立浅层卷积神经网络和基于ImageNet数据集预训练的VGG16网络，进行基于卷积神经网络的煤矸石分类识别

  3. 所属分类：其它

    • 发布日期：2020-05-02
    • 文件大小：1048576
    • 提供者：weixin_38722052

  1. catVSdog_data深度学习猫狗分类任务数据集

  2. 这个数据集中一共有1W张图片，没有重复的5000个dog+5000个cat图像（已经经过处理） 其中90%的数据当做训练集（9000张，4500张cat ，4500张dog），10%的数据当做测试集，均有对应文件夹，可以直接进行训练使用 数据命名 cat+数字，dog+数字 VGG16训练结果： train Loss:0.8838, Correct:93.0000 val Loss:0.2155, Correct:96.0000 Training time is:23m 58s

  3. 所属分类：深度学习

    • 发布日期：2020-04-15
    • 文件大小：221249536
    • 提供者：Suyebiubiu

  1. 利用vgg16进行二分类-vgg16.zip

  2. 利用vgg16进行的猫狗图像的分类，由于其在模型比普通的cnn的层更加复杂，所以分类效果较优。同时可根据结果添加dropout层避免出现的过拟合现象。训练和测试图像较大没有放上来，可私聊/评论后发送。

  3. 所属分类：深度学习

  1. VGG16图像分类源代码、测试图片

  2. VGG16图像分类源代码、测试图片下载。

  3. 所属分类：深度学习

    • 发布日期：2020-06-07
    • 文件大小：1048576
    • 提供者：apr15

  1. 基于 tensorflow+VGG-16 的图像分类识别算法

  2. 本次图像的分类识别实验采用的是基于 tensorflow+VGG-16 的图像分类识别模型。vgg是由 Simonyan 和 Zisserman 在文献《Very Deep Convolutional Networks for Large-Scale ImageRecognition》上提出的卷积神经网络模型。模型可以达到 2.7%的测试准确度,在 ImageNet达到前 5 位。实验中应用 TensorFlow 将网络编码在文件 vgg16.py 中，包括一个预处理层，该预处理层使用像素值在

  3. 所属分类：Python

    • 发布日期：2020-12-03
    • 文件大小：584056832
    • 提供者：weixin_45637302

  1. 基于深度迁移学习的垃圾分类系统设计与实现

  2. 设计了一种基于深度迁移学习模型,对多种常见的可回收垃圾图像进行识别分类的垃圾图像分类系统.对比了VGG16、InceptionV3、InceptionResnetV2预训练模型的性能,最优识别正确率达到了90%以上,并进一步设计了基于Flask的Web应用调用模型.

  3. 所属分类：深度学习

    • 发布日期：2020-12-18
    • 文件大小：2097152
    • 提供者：kamo54

  1. 使用Keras预训练模型ResNet50进行图像分类方式

  2. Keras提供了一些用ImageNet训练过的模型：Xception，VGG16，VGG19，ResNet50，InceptionV3。在使用这些模型的时候，有一个参数include_top表示是否包含模型顶部的全连接层，如果包含，则可以将图像分为ImageNet中的1000类，如果不包含，则可以利用这些参数来做一些定制的事情。 在运行时自动下载有可能会失败，需要去网站中手动下载，放在“~/.keras/models/”中，使用WinPython则在“settings/.keras/models

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：82944
    • 提供者：weixin_38543749

  1. 使用Keras预训练模型ResNet50进行图像分类方式

  2. Keras提供了一些用ImageNet训练过的模型：Xception，VGG16，VGG19，ResNet50，InceptionV3。在使用这些模型的时候，有一个参数include_top表示是否包含模型顶部的全连接层，如果包含，则可以将图像分为ImageNet中的1000类，如果不包含，则可以利用这些参数来做一些定制的事情。 在运行时自动下载有可能会失败，需要去网站中手动下载，放在“~/.keras/models/”中，使用WinPython则在“settings/.keras/models

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：82944
    • 提供者：weixin_38684328

  1. 将CNNS转移到小数据集上的多实例多标签分类中

  2. 图像标记是图像处理中众所周知的挑战。 通常通过多实例多标签（MIML）分类方法解决该问题。 卷积神经网络（CNN）具有出色的潜力，可以很好地执行MIML任务，因为多级卷积和最大池与多实例设置一致，并且隐藏表示的共享可能有利于多标签建模。 但是，CNN通常需要大量经过仔细标记的数据来进行训练，这在许多实际应用中很难获得。 在本文中，我们提出了一种将预训练的深度网络（如Imagenet上的VGG16）传输到小型MIML任务的新方法。 我们从网络层的每个组中提取特征，并将多个二进制分类器应用于它们以进

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：709632
    • 提供者：weixin_38703866

  1. 转移学习套件：Keras中的转移学习套件。 使用任何内置的Keras图像分类模型轻松进行转移学习！-源码

  2. Keras的转移学习套件 消息 描述 该存储库用作Transfer Learning Suite。 目标是能够轻松使用任何内置的Keras图像分类模型执行转移学习！ 欢迎提出任何改进此存储库的建议或您希望看到的任何新功能！ 您也可以查看我的。 楷模 所有内置的Keras内置模型均可用： 模型 尺寸 前1个精度 前五名的准确性 参数 深度 VGG16 528兆字节 0.715 0.901 138,357,544 23 VGG19 549兆字节 0.727 0.910 143,6

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：474112
    • 提供者：weixin_42127369

  1. SceneClassification：使用各种深度学习模型对世界各地的场景进行分类-源码

  2. 场景分类 该项目主要涉及图像分类。 这里的目标是使用深度神经网络将全球场景分类为六种可能的类别之一。 场景分类的应用范围可以从在智能手机中组织照片，通过旅游业规划促进国家经济增长等方面。 数据集是Kaggle提供的英特尔图像分类。 （ ）总共有25,000张图像，其中17,000张被标记为6类，包括建筑物，森林，冰川，山脉，海洋和街道。 使用训练集中的图像对模型进行训练，并预测预测集中的图像类别。 本项目对自训练模型和预训练模型进行了实验，并对所有模型的性能进行了比较和分析。 有关如何运行

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：716800
    • 提供者：weixin_42134094

  1. simple-vgg-classifier：使用Keras和Streamlit的简单VGG16分类器，可快速应用-源码

  2. 简单的VGG 16分类器 使用Keras和Streamlit的简单VGG16分类器 要求 安装了所有requirements.txt依赖项的Python3.x。 要安装运行： $ git clone https://github.com/reubenbf/simple-vgg-classifier.git $ cd ./simple-vgg-classifier/ $ pip install -r requirements.txt 使分类器运行 确保在./images目录中有需要分类的图像 $

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：2097152
    • 提供者：weixin_42149153

  1. python-keras-flask-deployment-example：使用Flask部署Keras VGG16 ImageNet分类器的示例-源码

  2. Keras Flask部署 这是使用Flask部署Keras模型进行图像分类的示例。 它只是库存的ImageNet VGG16模型，在模型和图像预处理周围有一些抽象。 提供了一个方便的Shell脚本来启动Flask应用程序。 您可以从命令行提交测试图像： curl -X POST -F 'image=images/dog.jpg' http://localhost:5000/predict

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：75776
    • 提供者：weixin_42116705

  1. 基于DenseNet进化的卷积神经网络图像分类算法

  2. 卷积神经网络(CNN)的结构与参数决定了其在图像分类中的性能,针对深度网络结构复杂、参数量较大的问题,提出了一种基于稠密连接网络进化的CNN(D-ECNN)图像分类算法。该算法可对网络结构空间进行有效搜索,并基于有限的计算资源对深度网络结构与参数进行自适应优化。在车辆数据集上的分类实验结果表明,本算法的准确率可达到95%,相比视觉几何组(VGG16)算法,提升了约1%,且本算法的模型文件较小、速度更快。

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：3145728
    • 提供者：weixin_38628150

  1. covid19_xray_detection：使用深度学习和Tensorflow使用PA胸部X射线图像在人中检测Covid 19-源码

  2. 使用Keras和TensorFlow检测X射线图像中的COVID-19 使用keras和tensorflow进行深度学习，在X射线图像中检测COVID-19，图像分类。 注意 该笔记本已在Google合作实验室上运行。 由于我的gtx1050ti无法处理它。 先决条件 Tensorflow 2.xx 凯拉斯h5py 细节 数据集： 我们将用于此解决方案的COVID-19 X射线图像数据集由蒙特利尔大学的博士后研究员Joseph Cohen博士策划。 为了获得健康的X射线，我们将使用Kagg

  3. 所属分类：其它

    • 发布日期：2021-01-31
    • 文件大小：139460608
    • 提供者：weixin_42138376

  1. Python通过VGG16模型实现图像风格转换操作详解

  2. 本文实例讲述了Python通过VGG16模型实现图像风格转换操作。分享给大家供大家参考，具体如下： 1、图像的风格转化 卷积网络每一层的激活值可以看作一个分类器，多个分类器组成了图像在这一层的抽象表示，而且层数越深，越抽象 内容特征：图片中存在的具体元素，图像输入到CNN后在某一层的激活值 风格特征：绘制图片元素的风格，各个内容之间的共性，图像在CNN网络某一层激活值之间的关联 风格转换：在一幅图片内容特征的基础上添加另一幅图片的风格特征从而生成一幅新的图片。在卷积模型训练中，通过输入固定的图片

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：957440
    • 提供者：weixin_38746166

  1. 混合模型：基于VGG-16+PCA+Meanshift/DBSCAN的图像分类

  2. 混合模型实战简介数据集训练集测试集实战讲解 简介 博主上次做的VGG16训练宝可梦多分类图像识别，5个每类，每个类别250张左右，训练数量并不多，但如果我的训练数量更少呢？因为在现实生活中，没办法穷尽所有的数据。我们期望更多的高质量数据：正常数据，穷尽类别，标注正确；但是现实大部分为普通数据：夹杂异常数据，包含部分类别，标注标准不一致。为了考虑这个问题，我们可以综合许多模型的优点。于是混合模型就出现了。 混合模型一般有是监督学习、无监督学习、机器学习和深度学习这四种混搭。本文采取的是监督+无监督

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：1048576
    • 提供者：weixin_38740397

  1. Keras预训练的ImageNet模型实现分类操作

  2. 本文主要介绍通过预训练的ImageNet模型实现图像分类，主要使用到的网络结构有：VGG16、InceptionV3、ResNet50、MobileNet。 代码： import keras import numpy as np from keras.applications import vgg16, inception_v3, resnet50, mobilenet # 加载模型 vgg_model = vgg16.VGG16(weights='imagenet') inception_m

  3. 所属分类：其它

    • 发布日期：2021-01-19
    • 文件大小：97280
    • 提供者：weixin_38695751
« 12 »