深层卷积神经网络完成超分辨重建,原文及翻译AccurateImageSuper-ResolutionUsingVeryDeepConvolutionalNetworksCVPR2016
2019/10/27 1:51:21 2.81MB 机器学习
1
如何运用卷积神经网络拟合一个回归模型来预测手写数字的旋转角度。
2019/9/7 1:56:49 6KB 深度学习 CNN 回归模型
1
近年来卷积神经网络框架被成功地应用到目标跟踪领域,并取得了较为稳健的跟踪结果。
基于此思想,提出一种基于定位-分类-匹配模型的目标跟踪方法。
首先,在定位模型中,利用前一帧的位置信息预测当前帧中的候选目标区域。
然后,采用已训练的深度特征对候选区域进行类间筛选,选出N个次优目标区域。
最后,利用常规颜色特征对次优目标区域进行类内寻优匹配,从而确定最终的跟踪目标。
与此同时,分别对定位、分类中的网络进行更新,并对建立的匹配模型进行在线实时更新,使得其对目标的描述愈加准确。
在OTB50和OTB100标准数据库上进行实验测试,结果表明,提出的跟踪方法在快速运动、相似物体干扰、复杂背景等条件下具有较好的跟踪稳健性。
1
卷积神经网络CNN举行图像分类
2018/6/25 8:47:53 41.8MB cnn
1
卷积神经网络是处理视觉分类问题的最佳工具卷积神经网络通过学习模块化模式和概念的层次结构来表示视觉世界卷积神经网络学到的表示很容易可视化,卷积神经网络不是黑盒可以将卷积神经网络学到的过滤器可视化,也可以将类激活热力图可视化。
本人上课课件,主要是图像识别的内容,主要有3个识别项目
1
subpixel:应用Tensorflow的一个子像素卷积神经网络
2018/9/6 23:09:35 3.56MB Python开发-机器学习
1
PipeCNN:用于卷积神经网络的基于OpenCL的FPGA加快器
2020/2/2 20:28:38 4.62MB deep-neural-networks fpga deep-learning hls
1
matlab手写卷积神经网络人脸辨认
2016/3/9 1:53:03 92.13MB matlab
1
该紧缩包包括了TensorFlow基于CIFAR10数据集的卷积神经网络的代码实现,以及多个测试结果的测试图片。
2018/5/6 14:24:13 483KB 机器学习
1
本资源主要分为三个部分:车牌定位字符分割字符识别,每个部分都可单独运行。
车牌定位采用数学形状学和颜色特征相结合的方法。
首先对图片进行开闭运算、轮廓检测等数学形状学操作突出车牌区域,然后依据车牌的形状特征去除部分干扰区域,并利用仿射变换对可疑车牌区域进行倾斜矫正,最后根据车牌颜色特征选取最终区域,同时确定车牌的颜色。
字符分割基于投影法,利用二值化图像像素的分布直方图进行分析。
其中水平投影确定字符区域并去除上下边框,垂直投影找出相邻字符的分界点,并通过适当算法组合分离的汉字和去除车牌上的分隔点、边缘等干扰;
字符识别基于keras框架,首先搭建卷积神经网络对训练集进行训练,准确率达到97.87%,然后利用训练好的模型对分割下的字符逐一进行识别,最终组成车牌号码,实现车牌识别的目标。
1
共 239 条记录 首页 上一页 下一页 尾页
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 钉钉 钉钉打卡