随着我们周边生活信息化，自动化的不断加深，监控摄像头已经变得随处可见，有些地方还出现了基于指纹和人脸识别的门禁系统。在这些系统中人脸识别技术都有重要的应用，人脸识别是生物特征识别的一个重要部分，是一‘门涵盖ｊ，计算机，图像处理，信号处理，模式识别，心理学等多种学科的技术。虽然人脸识别的研究以有很长的历史但仍有极高的研究价值。
2022-04-24 15:07:05
10.21MB
1
基于DeepPupilNet深度学习网络的眼睛定位算法仿真，matlab2021a仿真，仿真效果为在人脸眼睛部分显示定位效果标记
2022-04-23 14:07:03
6.44MB
基于DNN深度学习网络的OFDM信号检测算法的仿真，matlab2021a测试运行。
包含训练数据，DNN训练，误码率测试。
2022-04-19 12:05:45
19.49MB
%SRCNN
im_h = SRCNN(model, im_b);
%% remove border
im_h = shave(uint8(im_h * 255), [up_scale, up_scale]);
im_gnd = shave(uint8(im_gnd * 255), [up_scale, up_scale]);
im_b = shave(uint8(im_b * 255), [up_scale, up_scale]);
%% compute PSNR
psnr_bic = compute_psnr(im_gnd,im_b);
psnr_srcnn = compute_psnr(im_gnd,im_h);
2022-04-18 12:05:50
6.71MB
mnist数据库的深度学习网络训练和识别matlab2021a仿真
softmaxModel = softmaxTrain(hiddenSize+1, numLabels, lambdaSoftmax, [trainFeatures;ones(1,trainNumber)], trainLabels, softmaxOptions); % learn by features
% softmaxPredict 默认数据中已包含截距项
[pred] = softmaxPredict(softmaxModel, [testFeatures;ones(1,testNumber)]); % predict by test features
2022-04-17 09:07:40
10.9MB
LSTM网络结合实例仿真
数据为7天，四个时间点的空调功耗，用前三个推测第四个训练，依次类推。第七天作为检验。LSTM网络输入结点为12，输出结点为4个，隐藏结点18个
2022-04-16 18:09:47
3KB
深度融合网络以完成图像
介绍
深度图像完成通常无法和谐地将还原的图像融合到现有内容中，尤其是在边界区域中。 而且它常常无法完成复杂的结构。
我们首先介绍Fusion Block，用于生成灵活的alpha成分图，以组合已知区域和未知区域。 它为结构和纹理信息搭建了桥梁，因此已知区域中的信息可以自然地传播到完成区域。 使用这项技术，完井结果将在完井区域边界附近平滑过渡。
此外，融合块的体系结构使我们能够应用多尺度约束。 多尺度约束在结构一致性上大大提高了DFNet的性能。
此外，易于将这种融合块和多尺度约束应用于其他现有的深度图像完成模型。 具有特征图和输入图像的融合块供稿将以与给定特征图相同的分辨率为您提供完成结果。
更多细节可以在我们的找到
融合块的插图：
相应图像的示例：
如果您发现此代码对您的研究有用，请引用：
@inproceedings{Hong:2019:DFN:3
2022-04-15 21:35:07
3.16MB
1