C++实现的二维矩阵卷积运算 主要是一个卷积的算法，矩阵保存在一个二维矩阵中。接口可以根据需要自行修改。提供了2种卷积的算法，被注释掉的那部分执行效率比较低下，对于大矩阵容易造成程序死掉的情况。所以进行了算法优化。 如果不想自行修改接口的话，或者对修改接口有困难的话，请不要下载本资源。谢谢~ 环境：XP SP3

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。

面膜检测-深层神经网络-三重解决方案 遮罩检测问题的三种解决方案，第一种以卷积神经网络的形式呈现，第二种以全连接神经网络的形式呈现，第三种以传递学习神经网络为基础。它们是通过Tensorflow Keras实现的。 背景 该报告介绍了遮罩检测问题及其解决方案。 它包含描述三种不同神经网络的三种配置：第一种是完全连接的网络。 第二个是基于转移学习的网络，第三个是卷积神经网络。 在此报告中，您将找到使用上述模型和其他信息（例如图形，代码行屏幕截图，损失与验证以及其他有助于理解我们的项目的ML概念）解决此问题的完整过程。 资料说明 用于训练模型的数据包含10,000张图像，其中一半显示一个戴着口罩的人，另一半显示未蒙面的人。我们使用的数据包含一个验证集，包含1,000张图片，500张蒙面和500张无遮盖的脸。 第三组用于测试模型，其中包含1,000张图片，500张蒙面和500张非蒙面。 你可以从

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。

八度卷积的Pytorch实现 这是论文。 适用于1.0版。

一种对高通量基因表达谱中的发光串扰进行反卷积的算法，以恢复微Kong板的真实发光活性。