搜索资源列表
LiuyifeiImage
- 利用python爬取豆瓣相关图像,以方便数据分类、解析以及挖掘(Using Python to extract related images of watercress to facilitate data classification, analysis and mining)
vgg16
- 这是vgg16神经网络基于python的实现,可以用来识别图像中出现的物体。(This is the vgg16 neural network based on Python implementation, can be used to identify objects in the image.)
gcForest_v1.0.1
- 基于python 2.7的深度森林代码,用于图像处理和分类(Deep forest code based on Python 2.7 is used for image processing and classification)
SiftDetector
- 调用opencv库中的SIFT算法实现图像的匹配和分类(Call opencv library SIFT algorithm to achieve image matching and classification)
fenlei
- 利用深度学习进行遥感图像场景分类 这里我们对NWPU-RESISC45数据集的场景图像进行分类 我们将卷积神经网络应用于图像分类。我们从头开始训练数据集。此外,还应用了预先训练的VGG16 abd ResNet50进行迁移学习。(Scene Classification of Remote Sensing Images Using Deep Learning Here we classify scene images from NWPU-RESISC45 dataset We apply
tensorflow-vgg16-train-and-test-master
- vgg深度学习,图像识别,用于图像的分类,在python上运行(vgg deep learning, image recognition, used for image classification, running on Python)
Deep Learning with Python
- 深度学习基本算法,深度学习with python作为标题建议介绍深度学习使用Python编程语言和开源Keras库,它允许简单快速的原型设计。 在Python深度学习中, 你将从一开始就学习深度学习,你将学习所有关于图像分类模型,如何使用深度学习获取文本和序列,甚至可以学习如何使用神经网络生成文本和图像。 本书是为那些具有Python技能的人员编写的,但你不必在机器学习,Tensorflow或Keras方面有过任何经验。你也不需要先进的数学背景,只有基础的高中水平数学应该让你跟随和理解核心
carplate
- 首先对车牌识别系统的现状和已有的技术进行深入的研究,然后开发出一个基于 Python 的车牌识别系统,文中先对车辆图像进行高斯去噪、灰度化和边缘检测等预处理方法,然后用颜色特征和形态特征相结合的方法来确定车牌位置,用彩色分割法来完成车牌分割,最后,运用 SVM 分类训练器完成字符识别并使用Python 软件环境进行车牌识别的仿真实验。(License plate recognition based on SVM)
pytorch_YOLO3
- 识别图像,将图像分类,基于python语言,权重需要在网上下载(Identify images and classify images)