图像分类，顾名思义，是一个输入图像，输出对该图像内容分类的描述的问题。
它是计算机视觉的核心，实际应用广泛。
图像分类的传统方法是特征描述及检测，这类传统方法可能对于一些简单的图像分类是无效的，但由于实际情况非常复杂，传统的分类方法不堪重负。
现在，我们不再试图用代码来描述每一个图像类别，决定转而使用机器学习的方法处理图像分类问题。
目前，许多研究者使用CNN等深度学习模型进行图像分类;另外，经典的KNN和SVM算法也取得不错的结果。
然而，我们似乎无法断言，哪种方法对于图像分来问题效果最佳。
本项目中，我们做了一些有意思的事情：将业内普遍用于图像分类的CNN和迁移学习算法与KNN，SVM，BP神经网络进
它是计算机视觉的核心，实际应用广泛。
图像分类的传统方法是特征描述及检测，这类传统方法可能对于一些简单的图像分类是无效的，但由于实际情况非常复杂，传统的分类方法不堪重负。
现在，我们不再试图用代码来描述每一个图像类别，决定转而使用机器学习的方法处理图像分类问题。
目前，许多研究者使用CNN等深度学习模型进行图像分类;另外，经典的KNN和SVM算法也取得不错的结果。
然而，我们似乎无法断言，哪种方法对于图像分来问题效果最佳。
本项目中，我们做了一些有意思的事情：将业内普遍用于图像分类的CNN和迁移学习算法与KNN，SVM，BP神经网络进
2018/5/23 7:43:50
529KB
1
电子工业出版社，2005.2.第1章合成孔径雷达图像的物理基础；
第2章合成孔径雷达的原理；
第3章星载合成孔径雷达系统；
第4章合成孔径雷达图像；
第5章相关斑的模型；
第6章反射系数的估计与SAR图像滤波；
第7章SAR图像分类；
第8章点、边缘和线的检测；
第9章雷达几何与地形几何；
第10章雷达立体测量；
第11章雷达斜坡测量；
第12章雷达干涉测量；
第13章条纹的展开；
第14章雷达海洋探测；
第2章合成孔径雷达的原理；
第3章星载合成孔径雷达系统；
第4章合成孔径雷达图像；
第5章相关斑的模型；
第6章反射系数的估计与SAR图像滤波；
第7章SAR图像分类；
第8章点、边缘和线的检测；
第9章雷达几何与地形几何；
第10章雷达立体测量；
第11章雷达斜坡测量；
第12章雷达干涉测量；
第13章条纹的展开；
第14章雷达海洋探测；
2022/9/5 5:19:33
49.71MB
1
完整的MobileNetv1-v3的源代码，包括模型脚本、训练以及预测脚本。
并有完整的博客引见：1.MobileNet系列(1):MobileNetV1网络详解：https://blog.csdn.net/weixin_38346042/article/details/125329726?spm=1001.2014.3001.55012.MobileNet系列(2)：MobileNet-V2网络详解：https://blog.csdn.net/weixin_38346042/article/details/125355111?spm=1001.2014.3001.55013.MobileNet系列(4):MobileNetv3网络详解：https://blog.csdn.net/weixin_38346042/article/details/125470446?spm=1001.2014.3001.5501
并有完整的博客引见：1.MobileNet系列(1):MobileNetV1网络详解：https://blog.csdn.net/weixin_38346042/article/details/125329726?spm=1001.2014.3001.55012.MobileNet系列(2)：MobileNet-V2网络详解：https://blog.csdn.net/weixin_38346042/article/details/125355111?spm=1001.2014.3001.55013.MobileNet系列(4):MobileNetv3网络详解：https://blog.csdn.net/weixin_38346042/article/details/125470446?spm=1001.2014.3001.5501
2017/11/25 6:03:06
7KB
1
对KSC和PU数据集进行1D光谱特征学习，2D空间特征学习和3D谱空结合特征学习，所用环境为tensorflow-GPU-1.5.0keras2.1.6资源包含KSC和PU两个高光谱数据集
2016/3/20 12:27:20
87.4MB
1
SRC(SparseRepresentationClassifier)稀疏表示分类器SOMP(SimultaneousOrthogonalMatchingPursuit)同步正交婚配追踪稀疏表示分类器应用于高光谱图像分类的MATLAB代码实现。
此程序为论文仿真，论文题目为：HyperspectralImageClassificationUsingDictionary-BasedSparseRepresentation论文地址：http://ieeexplore.ieee.org/xpl/login.jsp?tp=&arnumber=5766028&url=http%3A%2F%2Fieeexplore.ieee.org%2Fxpls%2Fabs_all.jsp%3Farnumber%3D5766028其实只实现了论文里的第一种方法SOMP各个文件功能简介：isomp_Indiana.m主程序SamplesNormalize.m数据归一化findlabel2.m划分训练样本和测试样本SOMP.m求稀疏表示矩阵assig
此程序为论文仿真，论文题目为：HyperspectralImageClassificationUsingDictionary-BasedSparseRepresentation论文地址：http://ieeexplore.ieee.org/xpl/login.jsp?tp=&arnumber=5766028&url=http%3A%2F%2Fieeexplore.ieee.org%2Fxpls%2Fabs_all.jsp%3Farnumber%3D5766028其实只实现了论文里的第一种方法SOMP各个文件功能简介：isomp_Indiana.m主程序SamplesNormalize.m数据归一化findlabel2.m划分训练样本和测试样本SOMP.m求稀疏表示矩阵assig
2017/6/23 20:17:18
4.1MB
1
给大家分享一套课程——MMLAB实战系列，完整版视频课程下载，附源码。
OpenMMLab是一个适用于学术研究和工业使用的开源项目，涵盖了计算机视觉的许多研究课题，如：图像分类、目标检测、目标分割、超分辨率图像生成等。
是最大最全的开源视觉代码库合集！深度学习时代最完整的计算机视觉开源算法体系！
OpenMMLab是一个适用于学术研究和工业使用的开源项目，涵盖了计算机视觉的许多研究课题，如：图像分类、目标检测、目标分割、超分辨率图像生成等。
是最大最全的开源视觉代码库合集！深度学习时代最完整的计算机视觉开源算法体系！
2019/6/6 21:54:19
513B
1
MMLAB实战系列课程下载。
OpenMMLab是一个适用于学术研究和工业使用的开源项目，涵盖了计算机视觉的许多研究课题，如：图像分类、目标检测、目标分割、超分辨率图像生成等。
是最大最全的开源视觉代码库合集！深度学习时代最完整的计算机视觉开源算法体系！
OpenMMLab是一个适用于学术研究和工业使用的开源项目，涵盖了计算机视觉的许多研究课题，如：图像分类、目标检测、目标分割、超分辨率图像生成等。
是最大最全的开源视觉代码库合集！深度学习时代最完整的计算机视觉开源算法体系！
2019/3/20 2:32:04
150B
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB