社区
《零基础学机器学习》
代码
帖子详情
第06课 卷积神经网络——识别狗狗的图像
零基础学机器学习
2022-01-04 13:49:31
6.2 卷积网络的结构
代码:
6.2 卷积网络的结构|code_1.py
代码:
6.2 卷积网络的结构|code_2.py
代码:
6.2 卷积网络的结构|code_3.py
代码:
6.2 卷积网络的结构|code_4.py
6.3 卷积层的原理
代码:
6.3 卷积层的原理|code_1.py
代码:
6.3 卷积层的原理|code_2.py
6.4 池化层的功能
代码:
6.4 池化层的功能|code_1.py
6.5 用卷积网络给狗狗图像分类
代码:
6.5 用卷积网络给狗狗图像分类|code_1.py
代码:
6.5 用卷积网络给狗狗图像分类|code_2.py
代码:
6.5 用卷积网络给狗狗图像分类|code_3.py
代码:
6.5 用卷积网络给狗狗图像分类|code_4.py
代码:
6.5 用卷积网络给狗狗图像分类|code_5.py
代码:
6.5 用卷积网络给狗狗图像分类|code_6.py
代码:
6.5 用卷积网络给狗狗图像分类|code_7.py
代码:
6.5 用卷积网络给狗狗图像分类|code_8.py
代码:
6.5 用卷积网络给狗狗图像分类|code_9.py
代码:
6.5 用卷积网络给狗狗图像分类|code_10.py
代码:
6.5 用卷积网络给狗狗图像分类|code_11.py
代码:
6.5 用卷积网络给狗狗图像分类|code_12.py
代码:
6.5 用卷积网络给狗狗图像分类|code_13.py
代码:
6.5 用卷积网络给狗狗图像分类|code_14.py
代码:
6.5 用卷积网络给狗狗图像分类|code_15.py
6.6 卷积网络性能优化
代码:
6.6 卷积网络性能优化|code_1.py
代码:
6.6 卷积网络性能优化|code_2.py
代码:
6.6 卷积网络性能优化|code_3.py
代码:
6.6 卷积网络性能优化|code_4.py
代码:
6.6 卷积网络性能优化|code_5.py
代码:
6.6 卷积网络性能优化|code_6.py
代码:
6.6 卷积网络性能优化|code_7.py
代码:
6.6 卷积网络性能优化|code_8.py
代码:
6.6 卷积网络性能优化|code_9.py
代码:
6.6 卷积网络性能优化|code_10.py
6.7 卷积网络中特征通道的可视化
代码:
6.7 卷积网络中特征通道的可视化|code_1.py
代码:
6.7 卷积网络中特征通道的可视化|code_2.py
...全文
397
回复
打赏
收藏
第06课 卷积神经网络——识别狗狗的图像
6.2 卷积网络的结构 代码:6.2 卷积网络的结构|code_1.py 代码:6.2 卷积网络的结构|code_2.py 代码:6.2 卷积网络的结构|code_3.py 代码:6.2 卷积网络的结构|code_4.py 6.3 卷积层的原理 代码:6.3 卷积层的原理|code_1.py 代码:6.3 卷积层的原理|code_2.py 6.4 池化层的功能 代码:6.4 池化层的功能|code_1.py 6.5 用卷积网络给狗狗图像分类 代码:6.5 用卷积网络给狗狗图像分类|code_1
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
基于目标检测的狗品种
识别
及
图像
检索
该项目利用YOLOv3进行目标检测,ResNet进行特征提取,对Stanford Dogs Dataset中的18种狗进行品种
识别
和
图像
检索。通过数据增强提升
识别
效果,采用暴力欧氏距离检索,最终实现狗品种的
识别
和相似
图像
检索。虽然存在耗时和精度问题,但对于初学者是学习计算机视觉应用的好案例。
基于深度学习的
狗狗
品种
识别
系统,resnet50,alexnet,mobilenet【pytorch框架,python代码】
本文介绍了一个基于PyTorch框架的
狗狗
品种
识别
系统,采用ResNet50、AlexNet和MobileNet三种深度学习模型进行
图像
分类。系统支持自定义数据集训练与测试,提供准确率曲线、损失曲线、混淆矩阵及各类评估指标,并可视化特征图、热力图与参数量对比,具备完整GUI界面,适用于
图像
识别
研究与应用。
CNN 在
图像
分割中的简史:从 R-CNN 到 Mask R-CNN
本文介绍了
图像
分割技术的发展历程,从R-CNN到Mask R-CNN,涵盖了对象检测、边界框定位及像素级分割的关键技术。重点讲解了每种模型的工作原理、优缺点及其改进过程。
Python高级编程 07-
图像
语义分割
本文介绍了
图像
语义分割的概念,包括传统的像素级分割和超像素方法。重点讲解了基于
图像
的语义分割,特别是U-Net网络的结构和工作原理,它通过编码和解码路径实现
图像
的精确分割。此外,还分享了一个使用U-Net进行宠物轮廓分割的案例,并提及参加移动云TeaTalk的体验。
lesson1-breeds
本文详细介绍使用FastAI库在Jupyter环境下进行
狗狗
品种
识别
的全过程。从数据预处理到模型训练,再到
图像
尺寸调整避免过拟合,最终实现高精度的品种分类。
《零基础学机器学习》
7
社区成员
359
社区内容
发帖
与我相关
我的任务
《零基础学机器学习》
本书的目标,是让非机器学习领域甚至非计算机专业出身但有学习需求的人,轻松地掌握机器学习的基本知识,从而拥有相关的实战能力。
复制链接
扫一扫
分享
社区描述
本书的目标,是让非机器学习领域甚至非计算机专业出身但有学习需求的人,轻松地掌握机器学习的基本知识,从而拥有相关的实战能力。
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章