搜索资源列表
sanjiaoxing
- 借助于VC和OPENGL进行编程,实现了三角形的旋转,还运用了混和,图像质量和速度的进行折衷,以及深度测试等。是个非常好的例子。-using VC and OpenGL programming, achieving the rotating triangle, a mixed use, image quality and speed for a compromise, and the depth test. It is a very good example.
24colorTo8bits
- 彩色图像位深度转化代码,将真彩色图像转化为256色彩色图像-Color Image-depth conversion code, true color images into 256 color images
Depthimage
- 深度图象的生成 生成圆球的深度图象(摄像机坐标系)和深度图象数据存储; 这是本人的深度图像分析的课程作业,vc编写,包括原代码,可执行程序,以及试验报告。-depth Image Generation Generation magnificently depth images (camera coordinate system) and the depth of image data storage; This is my depth analysis of the images cours
fenlei
- 利用深度学习进行遥感图像场景分类 这里我们对NWPU-RESISC45数据集的场景图像进行分类 我们将卷积神经网络应用于图像分类。我们从头开始训练数据集。此外,还应用了预先训练的VGG16 abd ResNet50进行迁移学习。(Scene Classification of Remote Sensing Images Using Deep Learning Here we classify scene images from NWPU-RESISC45 dataset We apply
1d_RCWA
- 可以画出一维无损耗光栅的衍射效率与光栅深度的图像(The image of diffraction efficiency and grating depth of one-dimensional lossless grating can be drawn.)
DeepLearningImageClassificationExample
- 这是一个标准的深度学习图像分类和目标跟踪的matlab程序,效果好,运行平台为matlab2017b.(This is a standard in-depth learning image classification and target tracking matlab program, good results, running platform for matlab 2017b.)
Unet-master1
- 适用对象:小样本数据。功能:分割各种类型图像。评价:效果良好的深度学习算法。(Applicable object: small sample data. Function: Segmentation of various types of images. Evaluation: A good deep learning algorithm.)
tamper
- 用深度学习卷积网络CNN,实现图像复制粘贴和图像拼接篡改的定位(Using deep learning convolution network CNN to locate image copy-move and image splicing tampering)
tensorflow-vgg16-train-and-test-master
- vgg深度学习,图像识别,用于图像的分类,在python上运行(vgg deep learning, image recognition, used for image classification, running on Python)
MSGAN
- 解决条件GAN中的模式崩溃问题,改善图像生成的多样性。(To solve the problem of mode breakdown in conditional antagonism generation network and improve the diversity of image generation)
Robust_ESF
- 基于学习的ACM算法,通过采用SVM和神经网络来拟合图像的边界,从而快速分割(This is a method for image segmentation.)
基于深度学习的机器人抓取仿真训练技术研究
- 机器人智能抓取是实现机器人智能化的重要一环。由于待抓取物品形状、尺度的多样性以及环境因素的影响,抓取任务很难用准确的数学公式求解。以往的研究多是借助计算机视觉、机器学习等相关技术,虽有一定的效果,但智能化程度还是较低。2012 年后深度学习技术逐渐崛起,因为其良好的特征提取表现被应用在了各个领域,如医学图像、自动驾驶、数据分析等,近年来国外学者开始将这项技术应用到机器人抓取,并取得了一定的成果。
BCI_MI_CSP_DNN
- BCI_MI_CSP_DNN是一种基于matlab的运动图像脑电信号分类程序。 基于matlab深度学习工具箱编写了BCI_MI_CSP_DNN程序 本程序的原理基于CSP和DNN算法 这个程序的性能是基于BCI竞赛II数据集II 提出了一种基于深度学习的运动图像脑电信号分类方法。在预处理原始脑电图信号的基础上,采用共空间模型(CSP)方法提取脑电图特征矩阵,并将其输入深度神经网络(DNN)进行训练和分类。我们的工作在BCI Competition II Dataset III上进行了实
pytorch-openpose-master
- 本例程是我研究生阶段做的一个小项目,该项目用pytorch的深度学习框架来进行人体姿态识别,能够实现头部和身体的骨架识别!图像处理方面加入了OpenCV包进行相关的处理,希望能帮助大家!(175/5000 This routine is a small project that I did in the graduate stage. The project uses pytorch's deep learning framework to recognize human body postu
神经网络3
- 人工智能分割图像方法,运用深度学习实现,程序可直接使用(The method of image segmentation based on artificial intelligence and realized by deep learning)
SRCNN train
- 利用matlab做深度学习,SRCNN作为超分辨率重建开山之作,用matlab进行代码复现(Matlab to do deep learning, SRCNN as a super resolution reconstruction work, using matlab for code reproduction)
Demo_FDnCNN_Color
- 用于图像去噪的matalb代码,残差学习,深度学习,层数为17层(denoising Matalb code for image denoising, residual learning, deep learning, the number of layers is 17)
图像扭曲变换
- 图像扭曲变换,用于深度神经网络训练时样本扩增
结合双模多尺度 CNN 特征及自适应深度KELM 的浮选工况识别
- 针对可见光图像特征驱动的浮选工况识别方法的不足,提出一种基于双模态图像多尺度 CNN 特征及自适应深度自编码核极限学习机(Kernel Extreme Learning Machine,KELM)的浮选工况识别方法。先对泡沫的可见光、红外图像进行非下采样剪切波多尺度分解,设计双通道 CNN 网络对双模态多尺度图像进行特征提取及融合,将多个双隐层自编码极限学习机串联成深度学习网络对 CNN 特征逐层抽象提取,然后通过核极限学习机映射到更高维空间进行决策,最后改进量子细菌觅食算法并应用于深度自编码
paddle图像识别
- 基于百度paddlepaddle深度学习训练结果的图像识别实战源码