《深度卷积神经网络在计算机视觉中的应用研究综述》阅读笔记 计算机视觉.pdf

CNN卷积神经网络训练并测试Mnist数据集，准确率99.07%,环境是pytorch+GPU+pycharm(使用cuda),可直接下载使用，适合想入门深度学习或者神经网络的初学者，代码可直接跑，并且代码中含有大量注释以及个人见解。 1、运行代码，数据集会自行下载，只需要改变Dataset的路径 2、卷积网络层数和池化层参数可以自行更改

人工智能-项目实践-手写数字识别-用java实现一个简单的卷积神经网络，共三层可以识别mnsit 用java实现一个简单的卷积神经网络，共三层可以识别mnsit

将神经网络中root地址改为该压缩包解压后的文件夹，例如：root = "E:/0 data/fake"，来测试网络是否可以正常运行。

基于CNN卷积神经网络的文字识别matlab仿真,matlab2021a运行测试

layers = [ ... imageInputLayer([1 2048 1])%%2D-CNN convolution2dLayer([1,2],4) reluLayer maxPooling2dLayer([1 2],'Stride',2) convolution2dLayer([1,2],4) reluLayer maxPooling2dLayer([1 2],'Stride',2) fullyConnectedLayer(2) softmaxLayer classificationLayer];

基于quartusii的CNN卷积神经网络的verilog开发含report

基于卷积神经网络的图像识别，资料包含一些参考文献及matlab仿真程序，仅供参考。

用Tensorflow搭建CNN卷积神经网络，实现MNIST手写数字识别-附件资源

cnn_captcha 使用CNN通过张量流识别验证码。本项目针对字符型图片验证码，使用张量流实现卷积神经网络，进行验证码识别。项目封装了比较通用的校验，训练，验证，识别，API模块，极大地减少了识别字符型验证码花费的时间和能量。 如果您在使用过程中出现了一个错误和做好的改进，欢迎提出问题和PR，作者会尽快回复，希望能和您共同完善项目。 如果您需要识别点选，拖拽类验证码，或者有目标检测需求，也可以参考这个项目 。 时间表 2018.11.12 初版Readme.md 2018.11.21 加入关于验证码识别的一些说明 2018.11.24 优化验证数据集图片的规则 2018.11.26 tr