基于卷积神经网络的手写汉字识别系统与实现，这是关于手写汉字识别的研究，有实现方法和结果，包含设计思路原理，实验结果和分析。
2021-09-25 16:53:14
110KB
1
针对视频序列中的几种异常行为,构建训练模型,对其进行识别。使用卷积神经网络(CNN)进行特征提取并采用Adam算法(一种基于梯度的优化算法)进行优化。引入自适应池化层,筛选出判别的特征信息,减轻网络的计算量,加快识别视频序列中存在的异常行为。使用Adam算法对模型进行优化后,识别率可以达到87.6%,引入自适应池化层后,识别率可以达到91.9%。该卷积神经网络对视频序列中基本的异常行为的检测效果比改进的轨迹跟踪(iDT)和双流网络更快更准确;相较于时间分割网络(TSN)和时间关系网络(TRN),识别的准确率稍低,但是识别的速度更快。
2021-09-24 16:21:22
5.9MB
1
利用卷积神经网络实时识别手势动作
一共识别5种手势动作
剪刀动作 2.石头动作 3.布动作 4.OK动作 5.good动作
项目文件
项目文件列表如下：
data：存放训练集、测试集，实时保存的图像（用于在线检测）。
ges_ico：存放UI窗口使用的各种图标。
log：存放训练的CNN网络的模型参数。
CallFrame.py：界面窗口的逻辑文件，用来调用界面文件并编写信号与槽函数。
Frame.py：界面窗口的界面文件，通过PyQt5的designer工具生成。
GetTestImage.py：利用OpenCV获取图片并标记，用来制作测试集。
GetTrainImage.py：利用OpenCV获取图片并标记，用来制作训练集。
SaveGesture.py：利用OpenCV实时获取图片，并进行预处理，用于在线检测手势。
TestGesture.py：将实时获取的图片送入已训练好的C
2021-09-24 12:05:30
43KB
1
用于脑肿瘤检测的 CNN
一个用 Python 开发的卷积神经网络，使用 Keras 和 Tensorflow 进行二进制分类，训练用于检测 MRI 图像中的脑肿瘤。 它达到了 90% 的准确率。
2021-09-23 20:27:57
1.29MB
1