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. VGG笔记.pdf

  2. 这是VGG网络架构论文的中文学习笔记。首先我们来对VGG网络架构进行一个概括： 1. 小卷积核：相比AlexNet，将卷积核全部替换为3*3，极少用了1*1； 2. 小池化层：相比AlexNe，3*3的池化核全部换为2*2的池化核； 3. 层数更深：VGG16为例，3->64->128->256->512，卷积核专注于扩大通道数，3个通道的特征经过经过卷积层的提取扩散到了512个通道； 4. 特征图更窄：VGG16为例，224->112-56->28->

  3. 所属分类：深度学习

    • 发布日期：2019-07-11
    • 文件大小：795648
    • 提供者：qq_30091945

  1. 基于SSD-MobileNet的矿工安保穿戴设备检测系统

  2. 针对因矿山人员流动复杂性导致监管困难及因下井人员安全意识不强导致不能有效穿戴安保设备等问题，设计了基于SSD-MobileNet的矿工安保穿戴设备检测系统。将SSD算法的特征提取网络VGG16替换成MobileNet网络，构建了SSD-MobileNet算法模型；按照VOC2007数据集标准制作矿工安保穿戴设备的照片数据集，对SSD-MobileNet算法模型进行训练；采用SSD-MobileNet算法识别矿工8件安保穿戴设备（安全帽、防尘面具、工作服、工作靴、手电筒、自救器、定位卡、防砸背夹）

  3. 所属分类：其它

    • 发布日期：2020-05-02
    • 文件大小：1048576
    • 提供者：weixin_38592332

  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. Python通过VGG16模型实现图像风格转换操作详解

  2. 主要介绍了Python通过VGG16模型实现图像风格转换操作,结合实例形式详细分析了Python使用VGG16模型实现图像风格转换的具体原理、操作步骤与实现方法,需要的朋友可以参考下

  3. 所属分类：其它

    • 发布日期：2020-09-18
    • 文件大小：957440
    • 提供者：weixin_38744694

  1. （不是完整项目，适用于学习）LSTM + VGG16 图像描述的自动生成

  2. 简洁：1.数据集采用flickr8k（图像，对应的文本描述），使用keras创建VGG16定义的CNN网络。利用VGG16（去掉最后一层）提取图像特征，将flickr8k的图像文件转为图像特征，保存为pickle文件。 2.写不下了，自己看吧，代码有注释 涉及技术：Pycharm + Keras + Python 3.6 + numpy + opencv3.3.1等 该项目是对Jason Brownlee的文章《How to Automatically Generate Textual Desc

  3. 所属分类：互联网

    • 发布日期：2020-09-23
    • 文件大小：11264
    • 提供者：m0_38086070

  1. vgg16_weights.h5

  2. vgg16用于图像特征提取，tensorflow1.10.0，Keras 2.1.6

  3. 所属分类：Python

    • 发布日期：2021-03-18
    • 文件大小：552599552
    • 提供者：sinat_39110147

  1. A-Barebones-Image-Retrieval-System:该项目提供了一个简单的框架来检索类似于查询图像的图像-源码

  2. 准系统图像检索系统 该项目提供了一个简单的框架来检索类似于查询图像的图像。 该框架如下： 在具有三重态损失（我使用了一组标记图像上训练CNN模型（ A 。 使用训练有素的CNN模型（ A ）从验证集中提取特征。 在这些提取的特征上训练kNN模型（ B ），并将k设置为所需的邻居数。 从验证集中获取图像（ I ），并使用相同的CNN模型（ A ）提取其特征。 使用相同的kNN模型（ B ）计算I的最近邻居。 我将Flowers数据集用于实验。 我尝试了上述方法，以解决我从Flowe

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：14680064
    • 提供者：weixin_42150745

  1. imageclassification:深度学习-源码

  2. Keras的实用图像分类： 你好科拉布 影像分类 预训练的特征化 转移学习 基于特征的图像搜索 01 HelloColab.ipynb 基本的Colab演示 02 ImageClassification.ipynb 在这段代码中，我们将实现一个基本的图像分类器： 加载数据集（MNIST手写数字） 设计深度学习模型并检查其可学习的参数 在训练数据上训练模型并检查学习曲线 根据从未见过的测试数据评估经过训练的模型 保存模型以备后用 加载并使用模型 03 PretrainedFeatureV

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：6291456
    • 提供者：weixin_42116713

  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. Neuro-captioner：通过从CNN中提取特征，然后从LSTM中构造一个句子来为给定图像加标题-源码

  2. 神经字幕 该项目拍摄图像并生成合适的标题。 它使用两个CNN之一来提取图像特征，然后将其输入LSTM。 然后，LSTM逐字生成一个句子。 该项目基于使用TensorFlow 1.14的Python 3.7.4构建。 Inception_v3和VGG16是此项目中使用的两个预加密的CNN。 它使用Flickr30k数据集进行训练和测试。 对于Inception_v3，每个图像的大小调整为299 x 299像素，对于VGG16，图像的大小调整为224 x 224像素。 这是一个例子： 标题：一个

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：169984
    • 提供者：weixin_42110469

  1. 基于迁移学习和深度卷积神经网络的乳腺肿瘤诊断系统

  2. 乳腺肿瘤计算机辅助诊断(CAD)系统在医学检测和诊断中的应用日益重要。为了区分核磁共振图像(MRI)中肿瘤与非肿瘤，利用深度学习和迁移学习方法，设计了一种新型乳腺肿瘤CAD系统：1）对数据集进行不平衡处理和数据增强；2）在MRI数据集上，利用卷积神经网络（CNN）提取CNN特征，并利用相同的支持向量机分类器，计算每层CNN的特征图的分类F1分数，选取分类性能最高的一层作为微调节点，其后维度较低层为连接新网络节点；3）在选取的网络接入节点，连接新设计的两层全连接层组成新的网络，利用迁移学习，对新网

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：7340032
    • 提供者：weixin_38686542

  1. 基于改进Faster R-CNN的子弹外观缺陷检测

  2. 为了实现子弹外观缺陷的自动检测,解决传统机器视觉方法在缺陷检测方面手工设计目标特征耗时和泛化能力差的问题,针对子弹外观缺陷数据集,采用K-means++算法改进锚框的生成方法,提出了Faster R-CNN子弹外观缺陷检测模型。该模型采用卷积神经网络,可以自动提取目标特征,泛化能力强。将该检测模型分别与ZFNet、VGG_CNN_M_1024和VGG16结合,结果表明,与VGG16结合的检测模型的检测精度高于其他两种模型方案,并且在所提算法的基础上,精度提升到了97.75%,速度达到28 fra

  3. 所属分类：其它

    • 发布日期：2021-01-26
    • 文件大小：7340032
    • 提供者：weixin_38667207

  1. 基于卷积神经网络的特征融合视频目标跟踪方法

  2. 针对计算机视觉中目标跟踪的问题,提出基于卷积神经网络(CNN)提取深度特征并与边缘特征进行自适应融合的策略来实现视频目标的跟踪算法。卷积神经网络的低层网络可以获取目标的一部分空间结构、形状等特征;高层网络可以获得相对比较抽象的部分语义信息。将VGG16神经网络中第2个卷积层Conv1-2、第4个卷积层Conv2-2和最后一个卷积层Conv5-3提取的深度特征与边缘特征进行特征的自适应融合来实现视频目标跟踪。在OTB100数据集中对本文算法进行实验验证与分析,结果表明,本文算法能够对目标实现更加准

  3. 所属分类：其它

    • 发布日期：2021-01-26
    • 文件大小：10485760
    • 提供者：weixin_38712416

  1. 改进Faster RCNN模型在棉花异性纤维识别中的应用

  2. 采用深度学习方法对棉花中的异性纤维进行分类识别。首先建立异性纤维数据集,针对异性纤维尺寸和形状多样性的特点,采用基于Faster RCNN的目标识别框架,以RseNet-50代替原始的VGG16作为异性纤维分类模型的特征提取网络,并采用k-means++聚类算法对候选框生成尺寸进行改进;然后对模型进行训练,实现棉花中异性纤维的分类和定位。训练后的模型在验证集上的准确率达到94.24%,精度为98.16%,召回率为95.93%,精确率和召回率的调和平均数(F1分数)为0.970。对比改进前、后模型

  3. 所属分类：其它

    • 发布日期：2021-01-26
    • 文件大小：3145728
    • 提供者：weixin_38693192

  1. crisis-computing-源码

  2. 危机计算 最低交货 拿出架构节拍Olif2020的性能 这意味着：使用比它们更先进，性能更好的深度学习技术。 （图片：VGG16，文字：带有5个隐藏层的CNN） 额外的 半监督标签， 对比学习 危机嵌入（Crisis2Vec） 任务 创建CrisisMMD的“干净”版本以与论文-> Olif中的基线进行比较。 确定我们要关注的标签。 通过电子邮件发送并请求访问Crisis2Vec嵌入 图像的对比学习 查找用于训练文本分类/文本特征提取的体系结构。 半监督文字/推文标签 使用自动编码器获取图

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：2147483648
    • 提供者：weixin_42100129