【图像分类】实战——AlexNet实现图像分类（pytroch）用到的源码

在手掌静脉图像采集的过程中易受手掌摆放姿势、光源条件等外界因素的影响,造成识别准确度欠佳。为了提高手掌静脉图像识别的精准度和鲁棒性,提出一种基于改进AlexNet深度卷积神经网络的手掌静脉识别方法。该方法首先通过图像分割、指根关键点定位、感兴趣区域图像提取等三个阶段对采集的手掌静脉图像进行预处理;其次,针对人体手掌静脉识别的应用场景,通过适当调整经典的AlexNet卷积神经网络的结构并对卷积层的输出进行批标准化操作,同时,将深度学习理论中的注意力机制应用到该网络中,进而优化AlexNet神经网络,使用优化后的AlexNet神经网络对预处理后的图像自动进行特征提取、分类和识别;最后,在公开的Polyu和CASIA多光谱掌纹数据集上进行大量的实验,达到的最佳识别率分别为99.93%和99.51%,实验验证了所提方法的有效性

总结了AlexNet的相关原理、网络结构，pytorch代码实现，以及如何创建自定义数据集，并对自定义花类数据集进行训练和测试。

TensorRTx TensorRTx旨在通过tensorrt网络定义API实现流行的深度学习网络。 众所周知，tensorrt内置了解析器，包括caffeparser，uffparser，onnxparser等。但是，当使用这些解析器时，我们经常会遇到一些“不受支持的操作或层”问题，尤其是某些正在使用的最新模型新类型的图层。 那么，为什么不跳过所有解析器呢？ 我们只使用TensorRT网络定义API来构建整个网络，这并不复杂。 我写这个项目是为了熟悉tensorrt API，并与社区分享和学习。 所有模型首先在pytorch / mxnet / tensorflown中实现，然后导出权重文件xxx.wts，然后使用tensorrt加载权重，定义网络并进行推断。 在我的可以找到一些pytorch实现，其余的则来自多源开源实现。 消息 26 Apr 2021 。 添加Inceptio

本资源详细解读了经典论文ImageNet Classification with Deep Convolutional Neural Networks，主要介绍ALexNet的架构、特点、计算流程

基于深度迁移学习的小样本图像分类matlab程序，网络模型基于AlexNet，文件包含了图像数据集，输出结果可靠。

这个工具有三种画图风格：FCNN、LeNet、AlexNet。

AlexNet Keras预训练模型-附件资源

这是一个用Tensorflow调通的AlexNet实现二分类的代码，data中的（train, val, test）下载即可， bvlc_alexnet.npy也需要自己下载或联系1051609884@qq.com

是博客https://blog.csdn.net/qq_35759272/article/details/109252165（2020研究生数学建模——大雾能见度估计与预测（E题）AlexNet深度网络解法）文章对应的程序。需要配合我之前上传的视频截图文件，可以在我的上传文件里下载，注意：此程序是在MATLAB2020a上运行，低版本的MATLAB运行不了，安装完MATALB2020a之后要安装alexnet.mlpkginstall文件，具体怎么安装看博客链接