搜索资源列表
mnist
- 使用了全连接网络，卷积神经网络，循环神经网络分别构建不同的分类器，如何通过模型保存原理进行保存。(Using the fully connected network and convolution neural network, recurrent neural network builds different classifiers respectively, and how to save them through the preservation principle of the mode
CNN 11 tezhengtiqu
- 卷积神经网络，用于故障诊断，取得很好的识别效果(Convolution neural network is used for fault diagnosis and achieves good recognition results.)
Machine learning
- 提供监控场景下多张带有标注信息的行人图像，可定位（头部、上身、下身、脚、帽子、包）的基础上研究行人精细化识别算法，自动识别出行人图像中行人的属性特征。(It provides a number of pedestrian images with tagged information under the monitoring scene, and can study the pedestrian refinement recognition algorithm based on the locat
cnn人脸识别
- 用卷积神经网络做的人脸识别，准确率达到92.75%。(The accuracy of face recognition using convolution neural network is 92.75%.)
VGG19_with_tensorflow-master111
- 卷积神经网络,vgg19利用TensorFlow实现VGG19(cnn Convolution neural network, vgg19 realized vgg119 by tensor flow)
convolutional-pose-machines-tensorflow-master
- 人体骨骼的关键点提取，总共十四个点，使用卷积神经网络。(The key points of human skeleton are extracted from a total of fourteen points using convolutional neural networks.)
R-FCN
- R-FCN全卷积网络的目标检测神经网络，算法性能优于Faster R-CNN(R-FCN is an full convultional network, the performance of R-FCN outperform the Faster R-CNN)
CNN-SVM
- 运用卷积神经网络来提取图片的特征值并用SVM做出分类(using CNN And SVM to train my pictures.)
FaceRecognition-master
- 卷积神经网络实现人脸识别，是用Python写的(Face recognition by convolution neural network)
people faces
- 用卷积神经网络（CNN）实现人脸识别，效果还可以，一个是training的程序，可以训练网络。一个是use程序，可以识别人脸(Using convolution neural network (CNN) to achieve face recognition, the effect is also available, one is the training program, can train the network. One is a use program that recognizes
CIFAR10
- 在CIFAR-10数据集上使用卷积神经网络进行图像分类(Image classification using convolution neural network on CIFAR-10 dataset)
基于Tensorflow的CNN数字识别
- 本文实现了基于minist的手写数字识别，基于TensorFlow的python语言，程序有详细的注释，以及手把手教你怎么搭建CNN(This article implements the handwritten numeral recognition based on minist, the python language based on TensorFlow, the program has detailed annotations, and hands-on instructions o
FaceNet-A-Unified-Embedding-for-Face-Recognition-and-Clustering
- FaceNet---深度学习与人脸识别的二次结合 Facenet是一个通用的系统，采用CNN神经网络将人脸图像映射到128维的欧几里得空间，我们可以根据两幅人像的欧几里得距离去判断两个人像的相似程度。两个人像之间的欧几里得距离越近，说明它们越相似。 FaceNet可以用于人脸验证（是否是同一人？），识别（这个人是谁？）和聚类（寻找类似的人？）。FaceNet采用的方法是通过卷积神经网络学习将图像映射到欧几里得空间。空间距离直接和图片相似度相关：同一个人的不同图像在空间距离很小，不同人的图像在
深度学习入门：基于Python的理论与实现.pdf+代码
- 本书是深度学习真正意义上的入门书，深入浅出地剖析了深度学习的原理和相关技术。书中使用Python3，尽量不依赖外部库或工具，从基本的数学知识出发，带领读者从零创建一个经典的深度学习网络，使读者在此过程中逐步理解深度学习。书中不仅介绍了深度学习和神经网络的概念、特征等基础知识，对误差反向传播法、卷积神经网络等也有深入讲解，此外还介绍了深度学习相关的实用技巧，自动驾驶、图像生成、强化学习等方面的应用，以及为什么加深层可以提高识别精度等“为什么”的问题。(This book is a true sen
Genetic-Algorithm-with-python-master
- 修复人缺失图像Genetic-Algorithm-with-python-master(Genetic-Algorithm-with-python-master)
bnn-master
- 一个高度优化的轻量深度学习前向框架，使用C/C++语言开发，跨平台，支持读取Caffe模型文件，主要处理卷积神经网络。与市面上大多数移动端解决方案不同，我们的量化压缩技术不仅针对模型的权重，还涉及到输入的特征向量压缩。针对这一特性我们在模型文件和内存大小得到裁剪的同时还对框架的性能做了大量优化。(A highly optimized lightweight deep learning forward framework, developed using C/C++ language, cross
DenseNet-master
- 这篇文章是CVPR2017的oral，非常厉害。文章提出的DenseNet（Dense Convolutional Network）主要还是和ResNet及Inception网络做对比，思想上有借鉴，但却是全新的结构，网络结构并不复杂，却非常有效！众所周知，最近一两年卷积神经网络提高效果的方向，要么深（比如ResNet，解决了网络深时候的梯度消失问题）要么宽（比如GoogleNet的Inception），而作者则是从feature入手，通过对feature的极致利用达到更好的效果和更少的参数。(
CNN
- 一种有效的特征提取算法，包含几类卷积神经网络算法代码与演示数据(An effective feature extraction algorithm includes several kinds of convolutional neural network algorithm codes and demonstration data.)
Verilog-Generator-of-Neural-Networks
- 利用DE0nano开发板实现了对用的卷积神经网络(The CNN algorithm is implemented.based FPGA)
imagefusion_densefuse-master
- 基于自动编解码卷积神经网络的稠密图像融合方法。(Dense image fusion method based on automatic codec convolution neural network.)