集合了卷积神经网络从神经网络分类Alnex,GoogleNet v1-v4,VGG,Resnet,Network in Network论文，图像检测R-CNN,FAST-RCNN,Faster-rcnn，Mask-rcnn，SSPN-net，SSD,YOLO，YOLO_v2,YOLO_v3
2022-04-17 16:08:12
42.14MB
人工智能_CNN_验证码识别_使用机器学习算法完成对12306验证码的自动识别
两个必要的数据集：
文字识别，model.h5
图片识别，12306.image.model.h5
2022-04-17 12:05:59
13KB
代码数据完整，包含超限学习机，单层双层神经网络
%% III. 数据归一化
%%
% 1. 训练集
[Pn_train,inputps] = mapminmax(p);
Pn_test = mapminmax('apply',ptest,inputps);
%%
% 2. 测试集
[Tn_train,outputps] = mapminmax(t);
Tn_test = mapminmax('apply',ttest,outputps);
%% IV. ELM创建/训练
[IW,B,LW,TF,TYPE] = elmtrain(Pn_train,Tn_train,19,'sig',0);
2022-03-01 16:52:21
9KB
1
matlab终止以下代码通过训练卷积神经网络比较图像斑块进行立体匹配
资料库包含
用卷积神经网络计算立体声匹配成本的过程；
在立体匹配任务上训练卷积神经网络的程序；
和
基本的立体方法（基于交叉的成本汇总，半全局匹配，左右一致性检查，中值过滤器和双边过滤器）；
在KITTI数据集上运行至少需要6
GB内存的NVIDIA
GPU，在Middleiddle数据集上运行需要至少12
GB的NVIDIA
GPU。
我们在GTX
Titan（仅KITTI），K80和GTX
Titan
X上测试了该代码。该代码根据BSD
2条款许可发布。
如果您在工作中使用此存储库中的代码，请引用我们的文档。
@article{zbontar2016stereo,
title={Stereo
matching
by
training
a
convolutional
neural
network
to
compare
image
patches},
author={Zbontar,
Jure
and
LeCun,
Yann},
journal={Journal
of
Machine
Learning
Researc
2022-02-27 10:21:00
960KB
1
从本质上而言，CNN属于多层感知机，之所以成功，就是因为它将局部连接与共享权值联合运用，一来使权值的数量有效减少，便于网络的优化，也能有效防控过拟合的风险。本课题的研究主要集中在将CNN神经网络多层感知技术应用在三维数据领域的航迹预测技术使用过程之中，利用CNN技术的多层感知越往输入权值越小，越往输出权值越多的倒三角架构形态，丰富对航迹预测的技术操作，完善航空管理体制。利用这种技术为基础的解决方案，加入智能与实时识别算法提出具体的问题解决思路，给予仿真研究图形并配合文字解析，能够真实和有效的给出CNN神经网络为基础的航迹预测识别模型。
2021-09-28 17:25:55
1.51MB
1