现有深度残差网络作为一种卷积神经网络的变种，由于其良好的表现，被应用于各个领域，深度残差网络虽然通过增加神经网络深度获得了较高的准确率，但是在相同深度情况下，仍然有其他方式提升其准确率.本文针对深度残差网络使用了三种优化方法：（1）通过卷积网络进行映射实现维度填充；（2）构建基于SELU激活函数的残差模块（3）学习率随迭代次数进行衰减.在数据集Fashion-MNIST上测试改进后的网络，实验结果表明：所提出的网络模型在准确率上优于传统的深度残差网络.

二十三、欧式期权定价 这个例子主要讲述如何生成并使用服从几何布朗运动的随机数 我们假设当前时点为 0，股价为S0，股票波动率σ，无红利，一个欧式看涨期权(call option) 的 striking price 为 K，到期日迄今时间长度为 T, 市场无风险利率为 r，注意上述所有变量的 时间单位要一致。由 Black-Scholes 公式 可以计算此欧式期权的价值。 用 Monte Carlo 怎样做呢？这里 重要的是依据 Black-Scholes 公式的假设：股票价格服 从几何布朗运动，从而依照在前一章讲述的方法推导出时间 T 时股价的概率分布。 详细推导见视频教程中的 PPT 讲解。 此例子同样也有两个版本的 m 文件——eg31.m 和 eg32.m，请参照视频教程逐句学习这 两个代码文件。 二十四、计算亚式期权 这个例子主要讲述如何生成路径。 这里，我们以一个算术平均、离散时间盯市的亚式看涨期权作为例子。参数假设继承自 前一个例子：我们假设当前时点为 0，股价为 S0，股票波动率σ，无红利，一个亚式看涨期

为了解决高阶局部特征带来的计算复杂度提高问题, 提出一种基于核函数的高阶局部特征表示方法。通过在两幅图像的局部特征之间进行比较, 将特征空间映射到几何不变空间, 统计高阶局部特征构建核函数, 并结合支持向量机进行多类目标图像分类实验。实验结果分析表明, 该方法在提高分类准确率的同时, 所需的计算时间只与局部特征的个数呈线性增长。

提出了两种基于主成分分析与局部二值模式的高光谱图像分类算法。利用主成分分析去除高光谱图像的谱间冗余信息，对降维后的图像利用局部二值模式进行空间纹理特征分析，采用稀疏表示分类和支持向量机分别对提取的特征进行分类。其通过将主成分分析与局部二值模式相结合对高光谱图像进行特征提取，保证了高光谱图像的谱间冗余的有效去除，同时保护了高光谱图像的空间局部邻域信息，因此，此类算法不但能充分挖掘高光谱图像的谱间-空间特征，在较大程度上提高分类精度和Kappa系数，而且在高斯噪声环境中和小样本情况下也具有良好的分类性能。

迁移学习CNN图像分类模型 - 花朵图片分类-附件资源

hog特征提取matlab代码用于图像分类的计算机视觉特征提取工具箱 该工具箱的目的是简化用于图像分类相关任务的常用计算机视觉功能（例如HOG，SIFT，GIST和Color）的特征提取过程。 包含的功能的详细信息在中提供。 除了提供一些受欢迎的功能之外，该工具箱还设计用于与不断增长的现代数据集一起使用-处理是分批完成的，并在一台机器上完全并行化（使用parfor），并且可以轻松地分配跨具有通用文件系统的多台计算机（许多大学中的标准群集设置）。 使用局限性线性编码对以单词袋方式提取的特征（“颜色”，“ hog2x2”，“ hog3x3”，“ sift”，“ ssim”）进行编码，以允许快速使用线性分类器培训+测试。 以我的经验，我发现'hog2x2'或'hog3x3'作为全局图像功能最为有效，并且在与包含互补信息的“颜色”功能结合使用时，往往会表现得更好。 该工具箱可在Matlab和Octave上使用。 八度可能仍然存在一些兼容性问题，并且不支持并行处理。 安装 在使用代码之前，您需要下载此存储库并编译mex代码： $ git clone http://github.com/adikh

在此记下AlexNet等八个经典网络的架构、创新点等，以供参考。

细粒度图像之间具有高度相似的外观,其差异往往体现在局部区域,提取具有判别性的局部特征成为影响细粒度分类性能的关键。引入注意力机制的方法是解决上述问题的常见策略,为此,在双线性卷积神经网络模型的基础上,提出一种改进的双线性残差注意力网络:将原模型的特征函数替换为特征提取能力更强的深度残差网络,并在残差单元之间分别添加通道注意力和空间注意力模块,以获取不同维度、更为丰富的注意力特征。在3个细粒度图像数据集CUB-200-2011、Stanford Dogs和Stanford Cars上进行消融和对比实验,改进后模型的分类准确率分别达到87.2%、89.2%和92.5%。实验结果表明,相较原模型及其他多个主流细粒度分类算法,本文方法能取得更好的分类结果。

nsfw_data_scraper：脚本集合以聚集图像数据，目的是训练NSFW图像分类器

tf_classification, 基于TensorFlow的图像分类训练评价和测试代码 TensorFlow分类这里 repo 包含使用 TensorFlow 图像分类的训练。测试和classifcation代码。 支持整个图像分类以及多实例边界框分类。检查 Wiki插件以获得更详细的教程。要求需要 TensorFl