1.领域：FPGA，多尺度CNN卷积神经网络的MRF图像分割算法 2.内容：【提供操作视频】基于多尺度CNN卷积神经网络的MRF图像分割算法matlab仿真 3.用处：用于多尺度CNN卷积神经网络的MRF图像分割算法编程学习 4.指向人群：本科，硕士，博士等教研使用 5.运行注意事项： 使用vivado2019.2或者更高版本测试，用软件打开FPGA工程，然后参考提供的操作录像视频跟着操作。 工程路径必须是英文，不能中文。

更新 更新22/01/2020您可能有兴趣关注以观看有关计算机视觉，机器学习，深度学习和机器人技术的每周视频。 Deepgaze 2.0的更新16/07/2019稳定版本可分支2.0 。 更新20/03/2019开始在Python / OpenCV 3.0上进行移植，请检查分支2.0以获取初步版本。 更新10/06/2017文章“使用卷积神经网络和自适应梯度方法在野外进行头部姿态估计”的PDF使用可在未来50天内免费下载 更新2017年4月6日，文章“使用卷积神经网络和自适应梯度方法在野外进行头部姿态估计”已在Pattern Recogntion（Elsevier）中接受发表。 Deepgaze CNN头部姿势估计器模块基于此工作。 更新31/05/2017新软件包。 该软件包包含用于显着性检测的算法的实现 更新22/03/2017修复了mask_analysis.py中的一个

1.使用AlexNet卷积神经网络，实现手势识别 2.包含所需python库的详细版本 3.包括课程报告和源文件，可以直接使用 4.希望可以帮到大家嘿嘿

1.使用DenseNet神经网络实现对CIFAR-10数据集的训练 2.包含课程设计和源代码以及CIFAR-10数据集，可以直接用 3.希望可以帮到大家嘿嘿

卷积神经网络实现手写数字识别，包含手写数字二进制文件，代码分模块，有详细注释

自然场景图像中的文本检测和识别是计算机视觉问题，长期以来一直是计算机工程师面临的挑战。 深度学习的新进步彻底改变了计算机视觉的世界。 本文尝试建立基于深度学习（DL）的文本检测和识别模型，以解释自然场景图像中的文本。 所提出的模型包括三个阶段，即候选文本区域检测，文本区域提取和文本识别。 首先将自然场景图像馈送到候选文本区域检测机制，该机制提取包含文本字符的潜在区域。 在处理的第一阶段中引入的包含非文本的区域在第二阶段中进行过滤。 然后，第二阶段产生的文本区域集将在最后阶段被识别。 候选文本区域检测中使用了最大稳定极值区域（MSER）算法。 该模型使用了两个卷积神经网络，一个在文本区域提取阶段，另一个在文本识别阶段。 看起来自然场景中的文本检测不是一个容易的问题。 在自然场景图像中检测和识别文本字符的复杂性主要是由于文本字符和自然场景的多样性，各种干扰的存在，不同的照明条件，文本的颜色，大小和区域的不同。 ICDAR-2011，ICDAR-2013，CHARS-74K和CIFAR-100数据集用于训练和验证我们的模型。

资源包含文件：设计报告word+Java开发的APP源码+Python代码及数据+项目截图 城市感知（Urban perceptions）指的是居民对于城市场所的心理感受，对于城市规划和公共卫生领域有着重要的作用。通常可将对城市场所的心理感受分为beautiful、boring、depressing、lively、safety和wealthy六类。传统上，由于缺乏高通量方法、样本不足，人们对城市感知评估的仍然困难。鉴于这些调查方法成本高、耗时长，因此亟需一个高效率的框架来优化城市感知评估过程。笔者在此提出一个基于卷积神经网络的城市感知分析框架。 详细介绍参考：https://biyezuopin.blog.csdn.net/article/details/122449534?spm=1001.2014.3001.5502

基于卷积神经网络的猫狗识别，可以用来做小型的课设和学习使用

●机器视觉的概念 ●计算机视觉和机器视觉的区别 ●神经网络的组成 ●BP神经网络的基本概念 ●卷积神经网络的基本原理（CNN） ●YOLO算法的基本原理（最经典的目标检测算法之一） ●YOLOv1算法损失函数中各参数表示的意思 ●常见激活函数（Sigmoid、tanh(x)、ReLu、Softmax） ●BP神经网络输入输出（输入层和隐藏层之间权值矩阵应为几行几列） ●人工智能的基本概念 ●机器学习的基本概念 ●深度学习的概念 ●什么是人工神经网络(ANN)？人工神经网络和卷积神经网络有什么联系和区别？ ●BP神经网络中的增量规则，什么叫梯度下降法，梯度下降法的原理？ ●监督学习、无监督学习、半监督学习的基本概念 ●BP神经网络算法 ●LeNet5卷积神经网络算法 ●YOLOv1算法

本内容是根据北京大学曹平老师的《人工智能实战：tensorflow笔记》的代码和笔记整理、以及人工智能白皮书和tensorflow技术文档，以及自己在实现这些代码的思路，希望看了我的内容、都可以更好的投入人工智能开发行业中去。