搜索资源列表
PCA_classifier_version1b
- 许多图像问题需要某种物体的检测，其中图像之间的物体的外观有自然的变化。 如人脸识别，病变检测，神经通道分割。 这些图像问题可以通过手动注释图像对象来解决，以训练识别正常物体外观的模型。 这可以通过基于PCA的最大似然分类器来完成。(PCA algorithm suitable for detection / recognition of 2D image "objects")
DCGAN-tensorflow-master
- DCGAN实现高质量图像生成与分类，并增强了系统的稳定性与准确度(DCGAN enables high-quality image generation and classification, and enhances system stability and accuracy)
基于小波变换的klda人脸识别
- 基于小波变换的klda人脸识别，首先用小波变换对原始输入人脸图像进行预处理，再将基于核的线性判别分析应用于人脸识别中的最佳特征抽取，最后使用欧氏距离分类器实现人脸分类。通过对ORL标准人脸库中的人脸图像进行识别实验，本文提出的方法在人脸识别上取得了较高的识别率。
logisticregression
- 逻辑回归图像二分类，用来做路面裂缝图像识别的(Logisticregression, used for image recognition.)
yolo V3
- 这个版本作者已经编译过了 可以在WIN系统上运行 YOLO3主要的改进有：调整了网络结构；利用多尺度特征进行对象检测；对象分类用Logistic取代了softmax。 在基本的图像特征提取方面，YOLO3采用了称之为Darknet-53的网络结构（含有53个卷积层），它借鉴了残差网络residual network的做法，在一些层之间设置了快捷链路（shortcut connections）。
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
imgClassifier - 副本
- TensorFlow2.0进行Minist手写体识别(Minist handwriting recognition by TensorFlow2.0)
TRACLUS-master
- 在线输入位置点，进行轨迹分类，直接画出图像，十分方便。(It is very convenient to input position points online, classify tracks and draw images directly.)
CNN_Hyperspectral_Classification-master
- 使用神经网络进行训练，对高光谱普图像进行分类(Using neural network to train and classify hyperspectral images)