项目：建立交通标志识别程序 该项目 该项目的目标/步骤如下： 加载数据集 探索，总结和可视化数据集 设计，训练和测试模型架构 使用模型对新图像进行预测 分析新图像的softmax概率 用书面报告总结结果 依存关系 该项目要求： tensorflow-gpu == 1.7.0 scipy == 1.0.0 matplotlib == 2.0.0 numpy == 1.14.2 opencv-contrib-python == 3.4.0.12 sklearn == 0.18.2 数据集探索 数据集摘要 。 加载数据集和基本摘要 加载数据集后，我得到以下摘要信息： 训练例数：34799 测试例数：12630 验证示例数：4410 图像形状为：（32 32，3） 类数标签：43 探索性可视化 该图像网格表示从训练集中每个类别中选择的一个随机图像 分配 现在，我们将探索分

数据集名称：成人自闭症谱系筛查数据 摘要：自闭症谱系障碍（ASD）是一种与显着的医疗费用有关的神经发育疾病，早期诊断可以显着减少这些疾病。 不幸的是，等待ASD诊断的时间很长，而且程序的成本效益也不高。 自闭症的经济影响和全世界ASD病例数量的增加表明，迫切需要开发易于实施和有效的筛查方法。 因此，迫切需要进行时间高效且可访问的ASD筛查，以帮助卫生专业人员并告知个人是否应进行正式的临床诊断。 全球ASD病例数的快速增长需要与行为特征相关的数据集。 但是，这样的数据集很少，因此很难进行全面的分析以提高ASD筛选过程的效率，敏感性，特异性和预测准确性。 目前，与临床或筛查有关的自闭症数据集非常有限，并且大多数都是自然遗传的。 因此，我们提出了一个与成人自闭症筛查有关的新数据集，其中包含20个特征，可用于进一步分析，特别是在确定有影响力的自闭症特征和改善ASD病例分类方面。 在此数据集中，我们

Binary_Classifier 在Tensorflow (1.4)数据集（ ）上使用Tensorflow (1.4) Keras 2.1.5和Tensorflow (1.4)后端在ResNet-50上构建的简单Cat-Dog分类器。 先决条件 确保从此提取的数据集在项目文件夹中。 Python 3+ 安装Tensorflow： $ pip install tensorflow 安装Keras（2.1.5+）： $ pip install keras 安装h5py： $ pip install h5py 安装PIL（枕头）： $ pip install Pillow 可以在找到适用于MacOS和Ubuntu安装这些库的详细指南。 测验 要测试单个图像以进行预测，请打开终端并运行（建议使用Ubuntu/macOS ）： $ python predict.py 默

僵尸网络域生成算法分类器 入门 项目通过管理。 要直接体验 DGA 生成域建模的乐趣，请运行以下命令，这些命令将下载、清理和预处理所有必需的源数据。 library (ProjectTemplate) load.project () 这将生成一个称为domains的数据集，可用于建模。 该数据集包含标识域名的host列以及指示该域是否合法或由已知僵尸网络的 DGA 生成的type列。 str (domains) 可以在reports文件夹中找到基于此建模数据集的后续建模和分析。 背景 僵尸网络的创建是一种非法活动，世界各地的网络犯罪分子都广泛从事这种活动。 僵尸网络是一个由非法加入并受网络犯罪分子控制的受感染计算机组成的网络。 僵尸网络是通过破坏称为 Bots 的个人计算机而形成的，通过破坏性地安装某种形式的恶意软件，将控制权交给 Botnet 操作员。 网络犯罪分子从僵尸网络获

朴素贝叶斯数字分类器 基于平均像素亮度和标准偏差的手写数字0或1的朴素贝叶斯分类器 2020年9月 ASU MCS计划课程CSE 575的项目1-统计机器学习 使用的技术： Python，Numpy，Scipy

颜色分类leetcode 使用 YOLOv3 对象检测器的汽车颜色分类示例 介绍 使用 . 它由用于查找汽车的目标检测器和用于识别检测到的汽车颜色的分类器组成。 对象检测器是 YOLOv3（OpenCV DNN 后端）的实现。 它不使用 GPU，在 Intel Core i5-7600 CPU 上处理一帧需要 1 秒。 YOLOv3 权重是从 . 分类器基于 Mobilenet v2（TensorFlow 后端）。 在 Intel Core i5-7600 CPU 上进行单一分类需要 35 毫秒。 它可以通过在 GPU 上运行和使用批处理来进一步加速。 这个分类器还不够准确，用作概念验证演示。 图像中的物体检测和分类 此示例将图像作为输入，使用 YOLOv3 对象检测器检测汽车，裁剪汽车图像，在保持纵横比的情况下使它们成为正方形，将它们调整为分类器的输入大小，并识别每辆车的颜色。 结果显示在显示屏上并保存为 output.jpg 图像文件。 用法 使用 --help 查看 car_color_classifier_yolo3.py 的用法： $ python car_color_cla

种族分类器 该代码实现了种族分类器，考虑的种族是：黑人，白人，亚洲人，印度人和西班牙裔。 该模型将任何大小的图像作为输入，并输出图像中人的种族。 训练 python train.py python train_faces.py（提取的人脸模型）在预测中，将模型组合在一起，如果算法设法提取人脸，则使用人脸模型，否则将相互预测。 型号下载 在下载模型然后将其放在称为模型的目录中。 预测 将图像插入到test_data文件夹中，然后运行python Forecast.py对图像进行分类。用于预测的模型是在Imagenet上预训练的VGG16。 Pythonpredict.py --data_dir'/ test / images / folder /' 现在享受您的种族分类器！

使用CNN的作者身份归属 给定某些作者提供的一组文档，请使用CNN正确标识其作者。 项目概况 我将使用卷积神经网络（CNN）进行文本分类。 我的项目的主要思想是对博客进行分类，因为某些作者正确地对博客进行了分类。 我还将把它与最先进的机器学习方法进行作者归因。 问题正在调查中 我要在此项目中解决的问题是作者身份归属。 出资归属是指给定一组作者提供的一组文档，然后创建一个系统，该系统在给定新的看不见的文档的情况下能够告诉该文档的原始作者。 这些系统如今已变得非常流行。 使用此类系统的一项重要技术是识别有争议的文件。 当两个或两个以上的人要求特定文件的作者身份时，就会出现此问题。 另一个讽刺意味是

transfer dense121迁移学习模型模板参数不变只训练classifier这一层的参数 ，迁移学习的一个案例模板

颜色分类leetcode 日夜图像分类器 该存储库包含使用 OpenCV 和零机器学习通过图像处理实现的昼夜图像分类。 先决条件 该项目是使用 python 3.6.7 和以下包开发的。 不需要 GPU。 numpy==1.16.4 熊猫==0.24.2 seaborn==0.9.0 matplotlib==3.0.3 opencv-python jupyterlab 使用pip安装： pip install -r requirements.txt 数据集 白天/黑夜图像数据集由 200 张 RGB 彩色图像组成，分为白天和黑夜两类。 每个示例的数量相同：100 张白天图像和 100 张夜间图像。 这将为我们提供一个平衡的数据集。 注意：所有图片均来自（许多户外场景档案）。 方法 第 1 步：加载数据集并可视化 可视化数据集可以让我们了解数据。 我们试图找到一些显着特征：白天图像通常比夜晚图像亮得多。 夜间图像也有这些非常明亮的小点，因此整个图像的亮度变化比白天图像大得多。 白天图像中有更多的灰色/蓝色调色板。 第 2 步：预处理数据 所有输入数据应采用一致的形式。 我们将所有图像调整