搜索资源列表
vgg
- 多视点几何学中从P中提取出K,R例如P = K*R*[eye(3) -t]以及从两个相机矩阵得到单应矩阵-Multiview geometry extracted from the P K, R such as P = K* R* [eye (3)-t]
MatConvNet-mr-master
- 牛津大学开发的matconvnet工具包,可以生成vgg,alexnet等等模型,imagenet,mnist多种数据集可以跑-Oxford University developed matconvnet toolkit can generate vgg, alexnet etc. model, imagenet, mnist multiple data sets can be run
VGG-16
- 深度神经网络VGG-16模型的keras代码,用于图像识别-keras codes of deep neural network VGG-16 model, used of image classification
CNTK
- 在深度的重要性的驱使下,出现了一个新的问题:训练一个更好的网络是否和堆叠更多的层一样简单呢?解决这一问题的障碍便是困扰人们很久的梯度消失/梯度爆炸,这从一开始便阻碍了模型的收敛。归一初始化(normalized initialization)和中间归一化(intermediate normalization)在很大程度上解决了这一问题,它使得数十层的网络在反向传播的随机梯度下降(SGD)上能够收敛。 当深层网络能够收敛时,一个退化问题又出现了:随着网络深度的增加,准确率达到饱和(不足为奇)然后迅
tensorflow-vgg-master
- vggnet在tensorflow上的实现(Implementation of vggnet on tensorflow)
Tranfer_ALL
- classification using VGG
VGG经典自编码
- 详细的VGG实现分类,效果良好,各层参数及详细代码都在里面
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)
symbol_resnet
- RACNN注意力机制,细腻度图片分类。 RA-CNN由上到下用了3个尺度并且越来越精细,尺度间构成循环,即上层的输出作为当层的输入。RA-CNN主要包含两部分:每一个尺度上的卷积网络和相邻尺度间的注意力提取网络(APN, Attention Proposal Network)。在每一个尺度中,使用了堆叠的卷积层等,最后接上全连接层于softmax层,输出每一个类别的概率;这个是很好理解的,代码采用的网络结构是VGG的网络结构。(RACNN attention mechanism)
keras-rl-master
- 入门级vgg实例应用代码,各位仅供参考,随时交流学习(Entry level VGg instance application code, you are only for reference)
深度学习实现零件缺陷检测源代码(1)
- 结合VGG和残差网络实现工业零件的缺陷检测,基于keras和tensorflow可以直接运行使用(The defect detection of industrial parts is realized by combining VGg and residual network. Based on keras and tensorflow, it can be used directly)