高光谱图像分类问题是高光谱遥感图像处理问题中的研究基础,它的主要目的是根据高光谱遥感图像中的光谱信息和空间信息将图像中的每个像元划分为不同的地物类别[1]。高光谱图像分类技术被广泛应用于环境监测、矿产勘探、军事目标识别等领域,然而高光谱图像的高维特性、波段间的高度相关性、光谱混合等使得高光谱图像分类面临着巨大的挑战。因此,高光谱图像分类问题越来越受到学者们的广泛关注[2-4]。

CNN图像分类pdf讲义超详细

随着信息技术及互联网技术的飞速发展，网络信息成为一种人们熟知的便捷信息来源和休闲方式，但网络上大量的色情淫秽等不良信息已经严重干扰了正常的网络生活，严重毒害着青少年的身心健康，网络空间的色情传播已在全球引起了关注，如何净化网络环境，增加对网络活动的监控手段，提高信息识别的能力便成为一种强烈的需求，作为其技术支持，基于内容的不良信息识别技术日益引起人们的重视。基于内容的不良图像的识别和检测技术近来已引起人们的极大兴趣，同时它也是基于内容的网络过滤系统所面临的一个重要且亟待解决的研究课题。色情图像的识别问题实际上是一个图像分类问题，我们使用基于内容的方法对图像进行研究，采用统计分类方法实现对色情图像的识剐，采用的关键技术有：肤色检测、目标区域的提取、图像特征的提取、分类器的设计。

图片中人数识别MATLAB代码

官网下载链接：http://www.vision.caltech.edu/visipedia/CUB-200-2011.html

自然图像分类数据集Oxford-102。Oxford 102 Flowers Dataset 是一个花卉集合数据集，主要用于图像分类，它分为 102 个类别共计 102 种花，其中每个类别包含 40 到 258 张图像。 2008年由牛津大学工程科学系发布。面向深度学习人群，可用于验证神经网络性能，主流的VGG,GOGELNET,残差网络等网络都可以用于训练。适合新手人群做学习使用，可将其划分为6149张图片做训练，1020张图片做验证，1020张图片做测试。

专门针对视觉，我们创建了一个名为torchvision的包，其中包含用于常见数据集（例如 Imagenet，CIFAR10，MNIST 等）的数据加载器，以及用于图像（即torchvision.datasets和torch.utils.data.DataLoader）的数据转换器。 在本教程中，我们将使用 CIFAR10 数据集。 它具有以下类别：“飞机”，“汽车”，“鸟”，“猫”，“鹿”，“狗”，“青蛙”，“马”，“船”，“卡车”。 CIFAR-10 中的图像尺寸为3x32x32，即尺寸为32x32像素的 3 通道彩色图像。 classes = ('plane', 'car', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck')

文件中包含人脸检测的实现，图像分类以及常用的图像处理算法的实现。

Multi-class 图像分类数据

Mobilenetv1v2v3论文英文版原文，微软研究院开发的轻量级卷积神经网络，cv方向必学论文。。。。。