搜索资源列表
digital-signal-C-code
- 数字信号C语言程序集,FFT、快速卷积、IIR数字滤波、图像旋转、增强、边缘检测、人工神经网络算法-Digital signal C assembly language, FFT, fast convolution, IIR digital filtering, image rotation, enhancement, edge detection, artificial neural network algorithm
lingbun_v55
- 意信号卷积的运算,并且绘制图象,是路径规划的实用方法,BP神经网络的整个训练过程。- Convolution operation is intended to signal and image rendering, Is a practical method of path planning, The entire training process BP neural network.
CNNDEMO
- 卷积人工神经网络,是一种基于深度学习的重要代码为图像的解析提供了很好的应用方向-Convolutional neural network is an important code based on the depth of the study of the code for the image analysis provides a good application direction
gangyui
- 意信号卷积的运算,并且绘制图象,用MATLAB实现的压缩传感,包括最小二乘法、SVM、神经网络、1_k近邻法。- Convolution operation is intended to signal and image rendering, Using MATLAB compressed sensing, Including the least squares method, the SVM, neural networks, 1 _k neighbor method.
niegun_v52
- BP神经网络用于函数拟合与模式识别,包括调制,解调,信噪比计算,意信号卷积的运算,并且绘制图象。- BP neural network function fitting and pattern recognition, Includes the modulation, demodulation, signal to noise ratio calculation, Convolution operation is intended to signal and image rendering.
squeezeDet-master
- 一种应用于目标检测中同时满足上述所有约束条件的全卷积神经网络结构。在我们的网络中,使用卷积层不只是用来提取特征图,同时也是作为输出层去计算边界框(bounding box)和分类概率。我们模型中的检测管道(detection pipeline)只包含一个神经网络的前向通路,因此它运行起来是极其迅速的。我们的模型是全卷积结构的,因此可以达到小的模型规模和很高的能量利用效率。最后的实验表明我们的模型能达到很高的精度,在 KITTI 基准上达到了最高的精确度。(A fully convoluted n
cnn-master
- 卷积神经网络,可以很好的实现文本分类或者图像识别(Convolutional Neural Networks)
duancengshibie
- 人工智能断层识别以及一部分标签制作流程,采用常规的卷积神经网络进行模型训练
YOLOv4:目标检测的最优速度和精度
- 基于YOLOv4开源方案,提高卷积神经网络(CNN)的准确性。并附带开源代码地址。 https://github.com/AlexeyAB/darknet.
CNN
- 卷积神经网络分类 调制信号识别 卷积神经网络(Convolutional Neural Networks, CNN)是一类包含卷积计算且具有深度结构的前馈神经网络(Feedforward Neural Networks),是深度学习(deep learning)的代表算法之一 [1-2] 。卷积神经网络具有表征学习(representation learning)能力,能够按其阶层结构对输入信息进行平移不变分类(shift-invariant classification),因此也被称
keras人脸识别
- 利用Keras实现从摄像头读取的视频种检测和识别人脸,基于tensorflow+opencv,搭建了卷积神经网络模型
CNN-SVM
- 卷积神经网络(CNN)用来提取特征,采用SVM分类器进行训练和分类(Convolutional Neural Network (CNN) was used to extract features, and SVM classifier was used for training and classification)
Xception
- 卷积神经网络经典结构Xception用Keras的实现。 Xception 是 Google 继 Inception 后提出的对 Inception-v3 的另一种改进。 作者认为,通道之间的相关性 与 空间相关性 最好要分开处理。采用 Separable Convolution(极致的 Inception 模块)来替换原来 Inception-v3中的卷积操作。
基于深度学习的手写数字体识别
- 基于深度学习的手写数字体识别,以卷积神经网络(CNN)作为网络模型,利用mnist手写数字训练数据集训练手写数字识别模型,搭建手写数字识别系统,并用自己手写的数字照片进行测试。
CNN+CTC语音识别算法
- 这个程序是用的一个深度卷积神经网络来做的,整个程序分为两部分,声学模型和语言模型,效果还是可以的。
classic-convolution-network-master
- 本资源为经典的卷积神经网络实现图像的深度特征提取代码,可以下载参考学习
Unet深度学习
- 使用Unet卷积神经网络实现深度学习,成功识别细胞膜的轮廓。
U-Net-master-python
- 论文U-Net: Convolutional Networks for Biomedical Image Segmentation的实现代码,使用Unet卷积神经网络,实现了细胞的轮廓识别。使用Python代码,keras框架。
CNN代码解析-matlab工具箱
- 卷积神经网络CNN的代码解析文档,可以辅助了解CNN的MATLAB程序实现过程
CNN实现数字手写识别
- 利用卷积神经网络实现数字手写体的识别任务。已经调试完