Advertisement

CS231n：用于视觉识别的卷积神经网络的全面任务分配

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
《CS231n：用于视觉识别的卷积神经网络的全面任务分配》旨在深入讲解卷积神经网络在计算机视觉中的应用，包括图像分类、目标检测等核心任务。 我刚刚完成CS231n在线课程，并将作业的解决方案上传到一个仓库里。这个项目是深入学习深度学习的好地方。非常感谢斯坦福大学CS231的所有工作人员！可以查看课程笔记、视频讲座以及作业内容。 以下是我在该课程中完成的一些具体任务： - 作业一： - k最近邻分类器 - 训练支持向量机 - 实施Softmax分类器 - 两层神经网络 - 高级表示形式：图像特征 - 作业二： - 完全连接的神经网络 - 批量归一化 - 掉落（dropout） - 卷积网络 - 在CIFAR-10上使用PyTorch

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • CS231n：用于视觉识别的卷积神经网络的全面任务分配
    优质
    《CS231n：用于视觉识别的卷积神经网络的全面任务分配》旨在深入讲解卷积神经网络在计算机视觉中的应用，包括图像分类、目标检测等核心任务。 我刚刚完成CS231n在线课程，并将作业的解决方案上传到一个仓库里。这个项目是深入学习深度学习的好地方。非常感谢斯坦福大学CS231的所有工作人员！可以查看课程笔记、视频讲座以及作业内容。 以下是我在该课程中完成的一些具体任务： - 作业一： - k最近邻分类器 - 训练支持向量机 - 实施Softmax分类器 - 两层神经网络 - 高级表示形式：图像特征 - 作业二： - 完全连接的神经网络 - 批量归一化 - 掉落（dropout） - 卷积网络 - 在CIFAR-10上使用PyTorch
     
  • 斯坦福CS231n（李飞飞）: 卷积神经网络视觉识别课程讲义（全本）
    优质
    这份文档是斯坦福大学CS231n课程的完整讲义，由著名教授李飞飞和Andrej Karpathy编写，专注于卷积神经网络及其在计算机视觉中的应用。 斯坦福CS231n（李飞飞）课程讲义提供了关于卷积神经网络在视觉识别应用方面的详细内容。
     
  • 手写汉字识别的卷积神经网络方法.zip_卷积_手写汉字_卷积神经_卷积网络_神经网络识别
    优质
    本资源提供了一种基于卷积神经网络的手写汉字识别方法的研究与实现，探讨了卷积层在特征提取中的应用及其优化策略。 基于卷积神经网络的手写汉字识别系统采用Matlab版本开发，能够识别509类手写汉字。
     
  • 卷积神经网络(CNN)在车牌识别中的应用卷积神经网络(CNN)在车牌识别中的应用卷积神经网络(CNN)在车牌识别中的应用卷积神经网络(CNN)在车牌识别中的应用卷积神经
    优质
    本文探讨了卷积神经网络（CNN）技术在车牌自动识别系统中的应用，分析其有效性和优越性，并展示了如何通过深度学习方法提高车辆管理系统的智能化水平。 卷积神经网络（CNN）在车牌识别领域有着广泛的应用。通过利用其强大的特征提取能力，CNN可以有效地区分不同的字符并识别出完整的车牌号码。这种方法不仅提高了识别的准确性，还提升了系统的鲁棒性，在各种复杂环境下都能保持较高的识别率。
     
  • 基于卷积神经网络的计算机视觉人脸识别技术
    优质
    本研究探讨了利用卷积神经网络在计算机视觉领域中的人脸识别技术应用，旨在提升面部特征提取与模式识别精度。 卷积神经网络在人脸识别技术中的应用非常广泛。通过使用卷积神经网络，可以有效地提取人脸图像的特征，并进行精确的人脸识别。这种方法具有较高的准确性和鲁棒性，在实际应用场景中表现出色。
     
  • 基于卷积神经网络的面部图像识别
    优质
    本研究采用卷积神经网络技术进行面部图像识别，通过深度学习算法自动提取面部特征，实现高效、精准的人脸检测与辨识。 自行建立的数据集主要用于收集现场人脸图像，这种方式与机场中的人脸数据采集方式非常相似。我们准备了400对正样本和400对负样本进行实验。在这种情况下，得到的图像相似程度作为输入数据，并对其进行排列以预测数值结果，最终计算出TPR（真正率）和FPR（假正率）。文件需要直接保存在D盘下，在Matlab 2014a中运行并确保完全正确。
     
  • 基于卷积神经网络的猫咪分类识别
    优质
    本研究运用卷积神经网络技术，开发了一种高效的猫咪图像分类与识别系统，旨在提高对不同品种猫咪自动识别的准确率。 基于卷积神经网络的猫种类识别结合Django的完整示例代码展示。环境配置如下：使用 Django 1.8.2、Python 3.6.3、TensorFlow 1.3、h5py 2.7、Keras 2.1.2、NumPy 1.13.3、Pillow 5.0.0 和 pymysql 0.8.0。
     
  • 基于卷积神经网络的面部识别系统.zip
    优质
    本项目为一个基于深度学习技术的人脸识别应用，采用卷积神经网络算法，实现高效精准的面部特征提取与身份验证。 该程序代码是基于Python3.5开发的。它包含一个名为faces_my.py的文件，用于通过电脑上的摄像头实时捕捉人脸并保存到指定目录下。可以在程序中设置所需的人脸数据集大小，默认初始值为10,000张图片。每张人脸图像被调整至64*64像素尺寸，以便于后续神经网络训练。 经过模型训练后，人脸识别算法的准确率达到了99%。要进行模型训练，请运行train.py文件，并可根据需要设置训练批次和迭代结束条件。完成训练后，程序会自动保存当前卷积神经网络模型至程序目录下。 当模型训练完成后，若想查看其性能表现，可执行recognition.py文件。该脚本将使用计算机摄像头实时监测人脸并进行识别，在图形界面窗口中显示人脸识别结果。
     
  • 基于卷积神经网络的面部识别系统.rar
    优质
    本项目为一款利用卷积神经网络技术开发的高效面部识别系统。通过深度学习算法精准捕捉并分析人脸特征，实现快速准确的身份验证与识别功能，广泛应用于安全认证、社交软件等领域。 该程序代码是基于Python3.5开发的。其中包括一个名为faces_my.py的文件，用于自动打开电脑上的摄像头实时捕捉人脸并保存到指定目录下，并且可以在程序中设置所需的人脸数据集大小，默认为10000张64*64像素的人脸图片以方便后续神经网络训练。 经过模型训练后，人脸识别算法准确率达到了99%。为了进行训练，请运行train.py文件，在其中可以自行设定训练批次和结束条件。完成的卷积神经网络模型会在程序目录下自动保存。 在成功完成模型训练之后，若想查看其实际效果，可以通过运行recognition.py文件实现。此操作将调用计算机上的摄像头实时监测人脸并识别人脸，并且将在图形界面窗口中实时显示人脸识别的结果。