目标识别是计算机视觉一个重要的研究领域，由此延伸出的车辆型号识别具有重要的实际应用价值，特别是在当今交通状况复杂的大城市，智能交通系统成为发展趋势，这离不开对车辆型号进行识别和分类的工作，本文围绕如何利用计算机视觉的方法进行车辆型号的识别和分类展开了一系列研究：本文对当前的目标识别和分类的特征和算法做了总结和归纳。
分析比较了作为图像特征描述常见的特征算子，总结归纳了他们的提取方法、特征功能以及相互之间的关联。
另外，介绍了在目标识别工作中常用的分类方法,阐述了他们各自的原理和工作方法。
研究了深度神经网络的理论依据，分析比较了深度神经网络不同的特征学习方法，以及卷积神经网络的训练方法。
分析比较不同特征学习方法的特点选取k-means作为本文使用的特征学习方法，利用卷积神经网络结构搭建深度学习模型，进行车辆车型识别工作。
本文为了测试基于深度学习的车辆型号分类算法的功能在30个不同型号共7158张图片上进行实验；
并在相同数据上利用改进了的SIFT特征匹配的算法进行对比实验；
进过实验测试，深度学习方法在进行车型分类的实验中取得94%的正确率，并在与SIFT匹配实验结果对比后进一步证实：深度学习的方法能够应用在车辆型号识别领域
分析比较了作为图像特征描述常见的特征算子，总结归纳了他们的提取方法、特征功能以及相互之间的关联。
另外，介绍了在目标识别工作中常用的分类方法,阐述了他们各自的原理和工作方法。
研究了深度神经网络的理论依据，分析比较了深度神经网络不同的特征学习方法，以及卷积神经网络的训练方法。
分析比较不同特征学习方法的特点选取k-means作为本文使用的特征学习方法，利用卷积神经网络结构搭建深度学习模型，进行车辆车型识别工作。
本文为了测试基于深度学习的车辆型号分类算法的功能在30个不同型号共7158张图片上进行实验；
并在相同数据上利用改进了的SIFT特征匹配的算法进行对比实验；
进过实验测试，深度学习方法在进行车型分类的实验中取得94%的正确率，并在与SIFT匹配实验结果对比后进一步证实：深度学习的方法能够应用在车辆型号识别领域
2023/2/8 8:49:32
4.2MB
1
卷积神经网络经典--VGG网络，基于pytorch实现包括构建网络模型、训练模型、测试精确率，采用cifa-10数据集
2023/2/5 21:27:48
6KB
1
上传一张车牌照片，可以是远距离拍摄的，代码会先进行车牌定位，然后切割出车牌区域，再经过灰度化，二值化等导入训练好的神经网络，得到车牌；
另外神经网络可以调理层数，学习速率，训练次数等参数来训练调整新的网络。
另外神经网络可以调理层数，学习速率，训练次数等参数来训练调整新的网络。
2016/4/10 5:40:57
40.56MB
1
上传一张车牌照片，可以是远距离拍摄的，代码会先进行车牌定位，然后切割出车牌区域，再经过灰度化，二值化等导入训练好的神经网络，得到车牌；
另外神经网络可以调理层数，学习速率，训练次数等参数来训练调整新的网络。
另外神经网络可以调理层数，学习速率，训练次数等参数来训练调整新的网络。
2016/4/10 5:40:57
40.56MB
1
文件包括凯斯西储大学轴承毛病数据，分别在负载1.2.3下的十种毛病类型，通过卷积神经网络方法对其进行毛病诊断，准确率高达99.67%，使用python语言对其进行复现，里面包括具体对应的论文。
亲测好用
亲测好用
2022/11/9 12:40:48
55.98MB
1
为了精确测量纳米颗粒的尺寸，依据透射电子显微镜拍摄的纳米颗粒图像，提出了一种基于U-Net卷积神经网络的颗粒自动分割方法。
将U-Net部分网络结构与批量归一化层相结合，减弱了网络对初始化的依赖，提升了训练速度。
对纳米颗粒图像进行半隐式偏微分方程滤波以增强图像边缘信息，利用改进的U-Net网络训练纳米颗粒个体分割模型，得到了分割结果。
研究结果表明，所提方法能精确分割出图像中的纳米颗粒，对边缘模糊和强度不均的纳米颗粒的分割效果提升显著。
将U-Net部分网络结构与批量归一化层相结合，减弱了网络对初始化的依赖，提升了训练速度。
对纳米颗粒图像进行半隐式偏微分方程滤波以增强图像边缘信息，利用改进的U-Net网络训练纳米颗粒个体分割模型，得到了分割结果。
研究结果表明，所提方法能精确分割出图像中的纳米颗粒，对边缘模糊和强度不均的纳米颗粒的分割效果提升显著。
2015/11/13 18:35:18
8.84MB
1
基于卷积神经网络的图像识别算法的研讨，适合于毕业学生，非常好用，赶紧下载，非常合适，基于卷积神经网络的图像识别算法的研讨
2017/4/22 6:41:32
4.93MB
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