图像分类 端到端Web应用程序具有CNN模型，可使用tensorflow在猫和狗图像之间进行分类。 数据集：3000张猫狗图像（每张图像1500张）。 查看数据集中的一些图像

本资源让你学到： 如何使用数据增强，包括transforms的增强、CutOut、MixUp、CutMix等增强手段？ 如何调用自定义的模型？ 如何使用pytorch自带混合精度？ 如何使用梯度裁剪防止梯度爆炸？ 如何使用DP多显卡训练？ 如何绘制loss和acc曲线？ 如何生成val的测评报告？ 如何编写测试脚本测试测试集？ 如何使用余弦退火策略调整学习率？ 如何使用AverageMeter类统计ACC和loss等自定义变量？ 如何理解和统计ACC1和ACC5？ 原文链接：https://blog.csdn.net/hhhhhhhhhhwwwwwwwwww/article/details/125042460

基于共性与特性信息融合的遥感场景图像分类.zip

医疗图像分类，深度学习图像分类算法，带前后端，一个完整的癌症识别项目，keras框架+flask vue

Caltech 101数据集总共9145幅图像，102类（包括一个背景类，即杂乱类）。删除杂乱类后，8677幅图像，101类

针对高光谱图像数据维数多,光谱信息和空间信息难以提取的问题,提出了一种基于超图和卷积神经网络的分类算法,依据高光谱图像中像素之间的光谱关系和空间关系构建超图;通过超图构建具有谱空联合特征的样本,将其送入卷积神经网络进行特征提取,实现分类。在3种常用的高光谱数据集上进行实验,于Indian Pines数据集上取得了96.63%的总体分类精度。相比于其他算法,所提算法的分类精度高、速度快,而且避免了传统方法在特征提取和融合时出现的不稳定性,验证了其提取的谱空联合信息对高光谱图像具有更强的特征表达能力。

使用K-NN、朴素贝叶斯及最小欧氏距离进行高光谱图像分类，准确度和混淆矩阵评估模型，运行project.m即可

使用SVM、随机森林及K-NN进行高光谱图像分类，内置Indian_pines、PaviaU、Salinas数据集及其标签

分享课程——Pytorch生物医学视觉深度学习入门与实战--豪华版（图像分类+语义分割+目标检测），提供完整的代码+数据集下载

是基于matlab svm平台的干扰信号分类程序