使用TensorFlow框架实现CNN卷积神经网络，处理Mnist手写数字识别数据集，准确率高达99.21%。可视化版本支持可视化学习过程。
Python 20 次浏览
手写字体识别的 CNN 源码，结构清爽，逻辑直观，挺适合想快速上手深度学习项目的你。用的是经典的卷积神经网络，数据集自然是老朋友MNIST。训练流程清晰，代码层层拆解，调试方便。 从数据预到模型训练再到预测展示，每一步都写得比较扎实。你可以轻松看懂，也方便做自己的二次开发。比如想试试中文手写识别？换
Python 0 次浏览
人体行为识别的 CNN 模型代码，用起来还挺顺手的。结构清晰，注释也比较到位，改起来不费劲。尤其适合做视频或者智能安防的项目，拿来就能跑，训练也还算快。如果你之前接触过图像分类的 CNN 网络，那这个上手更快，逻辑差不多。配套的数据集也简单，路径配置好就行，跑几轮效果就有了。
Actionscript 0 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
使用 CNN 模型的人体行为识别代码可用于识别和分类图像或视频中的人体行为。该代码包含一系列用于从数据中提取特征、构建模型并评估模型性能的算法和函数。
Python 24 次浏览
本代码演示了使用Python实现卷积神经网络(CNN)模型，提供了一个清晰的CNN示例，有助于理解其工作原理。
Python 21 次浏览
眨眼检测，结合了计算机视觉和深度学习技术，挺实用的。你可以利用CNN（卷积神经网络）来识别眼睛状态，比如眨眼行为。简单来说，CNN 可以通过训练学会从眼睛图像中提取特征，从而准确识别眨眼的动作。比如，开车时监测疲劳驾驶，或者在虚拟现实中识别用户的眼部动作，都可以用得上。更酷的是，积分聚叠技术可以加速
Python 0 次浏览
车牌识别模型采用CNN和OpenCV技术进行实现。该模型通过卷积神经网络（CNN）提取车牌特征，并利用OpenCV进行图像处理和车牌定位，从而实现高效的车牌识别。
Python 21 次浏览
利用TensorFlow实现CNN（卷积神经网络）处理kdd99数据集，包括数据预处理和分类代码，准确率高达99.6%以上，并能快速收敛至最优值。
Python 56 次浏览