卷积神经网络，可以很好的实现文本分类或者图像识别

opencv使用SVM实现图像分类识别，代码已测试通过，能帮助我们更好理解SVM和opencv编程的使用。

1.拍四张不同方位的标准照片，falg 0 1 2 3。 2.选择了多层感知机分类器。 4.图片预处理（crop，sobel、emphasize），选取合适点的特征表征（这步比较关键，特征的选取根据图片来分析，分类结果好坏取决决于此） 5.四张照片训练模型得到模型句柄信息。 6.读取模型，映射分类。`

资源主要是完成对COVID-19的分类识别，包括COVID图像数据集，数据降维算法PCA,LLE,PCA_LLE组合算法，利用SVM对图像进行分类识别，识别率超过80%，并且对算法性能进行优化比较，包括时间、算法最优参数选择（LLE的维度与邻域）、SVM的最优分类等等，是一个比较完整的课题实验。如有实验思路问题可私信。

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

基于MATLAB的树叶图像特征分类识别，图像分析处理 分割 特征提取 分类识别等

基于matlab的 图像特征分类识别 图像处理 分割 树叶图像特征提取

本人写的matlab图像分类代码，内含训练和测试的SAR图片。分类方法采用了KPCA特征提取和SVM算法分类，程序有GUI界面可以很好的运行。