Gluon CV工具包 | | | | GluonCV提供了计算机视觉中最先进的(SOTA)深度学习模型的实现。 它是为工程师,研究人员和学生设计的,用于基于这些模型快速制作原型产品和研究思路。 该工具包提供四个主要功能: 训练脚本以重现研究论文中报告的SOTA结果 同时支持PyTorch和MXNet 大量的预训练模型 精心设计的API,可大大降低实施复杂性 社区支持 演示版 在或检查高清视频。 支持的应用 应用 插图 可用型号 识别图像中的物体。 50多个模型,包括 , , , ,... 用它们的检测多个对象图像中的边界框。 , , 关联图像的每个像素带有分类标签。 , , , , , , 检测物体并关联对象区域内的每个像素都有一个实例标签。 检测人体姿势从图像。 认识人类的行为在视频中。 MXNet: , , , , , , ,, PyTorch: , , , ,, , , 预测深度图从图像。 生成视觉欺骗性图像 , , 重新识别场景中的行人 安装 GluonCV构建在MXNe
1
弱监督定位调查:使用PyTorch中预先训练的CNN进行弱监督对象定位的各种算法的调查
2023-02-23 22:59:47 2.59MB visualization image localization deep-learning
1
拟无监督的颜色恒定性 本文所述方法的实现: 西蒙妮·比安科(Simone Bianco),克劳迪奥·库萨诺(Claudio Cusano),“准无监督色彩恒定性”-CVPR 2019 该文件可。 另请参见或尝试。
1
MATLAB Deep Learning With Machine Learning, Neural Networks and Artificial Intelligence 英文无水印pdf pdf所有页面使用FoxitReader和PDF-XChangeViewer测试都可以打开 本资源转载自网络,如有侵权,请联系上传者或csdn删除 本资源转载自网络,如有侵权,请联系上传者或csdn删除
2023-02-22 22:21:44 3.66MB MATLAB Deep Learning Machine
1
从视频中识别、裁剪和保存人脸作为图像 有关技术细节,请查看相关! 如果您需要具有超高精度的专业人脸检测和识别项目,请联系。 快速演示 人脸正在跟踪、裁剪和保存为视频中的图像 从具有适当路径层次结构的视频中保存图像 理论 如果您想研究面部识别或面部检测的某些方面。 您想要的一件事是可用于您的系统的各种面Kong。 您可以通过此程序创建自己的人脸检测/识别数据库。 从视频中识别人脸,裁剪并将它们保存为适当路径层次结构下的图像。 一旦我们获得了人脸数据,我们就需要在我们的程序中读取它。 在演示应用程序中,我决定从一个非常简单的 CSV 文件中读取图像。 为什么? 因为这是我能想到的最简单的独立于平台的方法。 但是,如果您知道更简单的解决方案,请与我联系。 基本上所有 CSV 文件需要包含由文件名后跟 ; 组成的行。 后跟标签(作为整数),组成如下一行: /path/to/image.e
1
matlab如何进行交叉交叉验证的代码场景分类 杰西卡·斯宾塞(Jessica Spencer)进行的研究,由康涅狄格大学的Ozgur Izmirli教授建议,2016年秋季-2017年Spring 为什么? 图像中的场景分类是许多领域的重要机器学习问题,包括归档,博物馆作品和社交媒体标记。 场景分类可用于定位社交媒体中的广告,预标记图像以及了解有关公司受众的更多信息。 这项研究是在不依赖于对象检测的情况下创建场景分类器的尝试(很多人都这样做)。 从我获得的所有研究中,我使用了一个数据集。 怎么办?? 该分类器的准确度为78.6%,交叉验证为10倍。 ! 所需成分 为了正确运行此代码,您需要使用Matlab机器学习工具箱,该工具箱需要花一些钱(或者您可以免费试用30天)。 它还需要将数据库从上传到名为allPhotos的文件夹。 专家提示:“旧建筑物”和“田野”的类别是模糊的,因此如果将其包括在内,结果将有所不同。 我该如何运行? 运行framework.m之后,转到matlab工具栏中的Apps,然后打开分类学习器。 点击显示“新会话”的黄色+,然后选择“ T”作为变量。 在所有SV
2023-02-22 20:06:05 13KB 系统开源
1
学习熊猫-第二版 这是出版的的代码库。 它包含从头到尾完成本书所必需的所有支持项目文件。 关于这本书 您将学习如何使用熊猫在Python中执行数据分析。 您将首先概述数据分析,并逐步进行建模数据,从远程源访问数据,执行数字和统计分析,通过建立索引和执行汇总分析,最后到可视化统计数据并将熊猫应用于金融。 借助从本书中学到的知识,您将快速学习熊猫,以及熊猫如何在令人兴奋的数据处理,分析和科学世界中为您提供支持。 说明和导航 所有代码都组织在文件夹中。 每个文件夹均以数字开头,后跟应用程序名称。 例如,Chapter02。 代码如下所示:文本中的代码字如下所示: "This information can be easily imported into DataFrame using the pd.read_csv() function as follows." 在Python解释器中
2023-02-22 18:16:53 4.13MB JupyterNotebook
1
doc2vec 该存储库包含Python脚本,用于使用训练doc2vec模型。 有关doc2vec算法的详细信息,请参见论文。 创建一个DeWiki数据集 Doc2vec是一种无监督的学习算法,并且可以使用任何文档集来训练模型。 文档可以是简短的140个字符的推文,单个段落(如文章摘要,新闻文章或书籍)中的任何内容。 对于德国人来说,一个好的基线是使用训练模型。 下载最新的DeWiki转储: wget http://download.wikimedia.org/dewiki/latest/dewiki-latest-pages-articles.xml.bz2 提取内容: wget http://medialab.di.unipi.it/Project/SemaWiki/Tools/WikiExtractor.py python WikiExtractor.py -c -b 2
2023-02-22 15:58:08 199KB nlp machine-learning word2vec doc2vec
1
金融机器学习 这是发布的《 的代码库。 它包含从头到尾完成本书所必需的所有支持项目文件。 关于这本书 面向金融的机器学习探索了机器学习的新进展,并展示了如何将其应用于金融领域。 它解释了主要机器学习技术背后的概念和算法,并提供了用于自己实现模型的示例Python代码。 如何执行这段程式码 此存储库中的代码计算量很大,最好在支持GPU的计算机上运行。 数据科学平台提供免费的GPU资源以及免费的在线Jupyter笔记本。 要在Kaggle笔记本上进行编辑,请单击“叉子”以创建笔记本的新副本。 您将需要一个Kaggle帐户。 或者,您可以只在上笔记本或下载代码并在本地运行。 第1章-从零开始的神经网络 从Scratch&Intro到Keras的神经网络: , 练习excel表格: 第2章-结构化数据 信用卡欺诈检测:, 第3章-计算机视觉构建基块 MNIST数字分类:在Kaggle上运行,
2023-02-22 11:27:25 2.7MB JupyterNotebook
1
深度语义角色标签 该存储库包含用于训练和使用Deep SRL模型的代码,该代码在以下内容中进行了描述: 如果您使用我们的代码,请按以下方式引用我们的论文: @inproceedings {he2017deep, title = {深层语义角色标签:什么起作用,下一步是什么}, 作者= {他,鲁恒和李,肯顿和刘易斯,迈克和Zettlemoyer,卢克}, booktitle = {计算语言学协会年会论文集}, 年= {2017} } 入门 先决条件: python应该使用Python2。您可以使用virtualenv进行模拟。 点安装numpy pip install theano ==
2023-02-22 10:44:24 54KB nlp theano deep-learning tagging
1