本次图像的分类识别实验采用的是基于 tensorflow+VGG-16 的图像分类识别模型。vgg是由 Simonyan 和 Zisserman 在文献《Very Deep Convolutional Networks for Large-Scale ImageRecognition》上提出的卷积神经网络模型。模型可以达到 2.7%的测试准确度,在 ImageNet达到前 5 位。实验中应用 TensorFlow 将网络编码在文件 vgg16.py 中，包括一个预处理层，该预处理层使用像素值在 0-255 之间的 RGB 图像，并减去平均图像值；并且在 vgg16_weights.npz
2021-03-25 10:49:51
557.74MB
1
boostdesc_bgm.i_vgg
ade-0.1.1f
face_landmark_model.dat
ippicv_2020_lnx_intel64_20191018_general
NVIDIAOpticalFlowSDK-79c6cee80a2df9a196f20afd6b598a9810964c32
2021-03-09 17:03:33
92.65MB
1
卷积神经网络经典--VGG网络，基于pytorch实现 包括构建网络模型、训练模型、测试准确率，采用cifa-10数据集
2021-03-05 11:19:39
6KB
1
OpenCV 3.3.x版本编译拓展模块时需要的boostdesc_bgm文件和vgg_generated文件
2021-02-27 22:01:53
1.49MB
1
boostdesc_bgm,vgg_generated_48,qrcode.
2021-02-26 15:11:52
2.34MB
1
本资源包含有VGG-16的结构源码，因为本人电脑配件有限，所以改动之后可以在cpu上跑，只是稍微有些慢而已。但是对于了解VGG深度卷积神经网络来说，已经足够了。
2021-02-21 22:36:44
442KB
1
VGG VOC数据集
VGG_VOC0712_SSD_300x300_ft_iter_120000.ckpt.zip，
VGG_VOC0712_SSD_300x300_iter_120000.ckpt.zip，
VGG_VOC0712_SSD_512x512_ft_iter_120000.ckpt.zip
2021-02-08 14:06:53
282.55MB
1
inet--VGG--Very deep convolutional networks.pdf
2021-02-01 11:05:39
227KB
1