一个简单的图片分类程序，基于python(numpy & opencv)，文件包含代码以及图片集，分类正确率约为89%。仅供学习使用…
Python 23 次浏览
本教程涵盖了使用Pytorch进行图像分类的所有步骤，包括： 训练 预测 TTA 模型融合 模型部署 CNN特征提取 SVM或随机森林分类 模型蒸馏
Nodejs 24 次浏览
利用TensorFlow框架，基于Python实现的CNN模型，用于星系图像分类任务。代码包含模型构建、训练和评估等步骤，可作为天文图像处理及深度学习应用的参考。
Python 20 次浏览
本项目利用 PyTorch 构建了一个图像分类模型。项目包含完整的代码实现、训练数据以及模型评估脚本，可直接运行。
Python 29 次浏览
本项目使用 Python 语言，基于 TensorFlow 深度学习框架实现了 ResNet 残差网络结构。ResNet 通过引入残差连接，有效解决了深度神经网络训练过程中的梯度消失问题，在图像分类等任务上取得了显著的性能提升。
Python 21 次浏览
基于BP神经网络算法，对遥感图像实施监督分类，通过交互式操作进行区域选择和分类。
C# 21 次浏览
调整了源代码的实现，确保其可正常运行。 适合初学者使用：采用原始传递参数的方式实现 MNIST 图像分类。 全连接网络的实现：使用 variable_scope 实现全连接网络。 采用 LeNet-5 架构：用于识别 MNIST 图像。 面向初学者：可作为 MNIST 图像分类的入门参考。
Python 28 次浏览
3界面设计3.1界面设计参数设置： 1）视频的长度和宽度(W,L)。 2）采样矩阵相对于视频左上角的偏移(x,y)，采样区域的长度和宽度。 3）采样区域的物理宽度。 4）检测频率。 5）检测步长。 6）有效覆盖率。 7）有效人宽度阈值范围(a,b)。 4程序流程图如图2所示。 5软件模块如图3所示。
C++ 22 次浏览