深度学习与CV教程(12) - 目标检测 (两阶段,R-CNN系列).doc

深度学习与CV教程(10) - 轻量化CNN架构 (SqueezeNet,ShuffleNet,MobileNet等).doc

基于tensorflow的猫狗识别分类算法

本教程利用MATLAB软件完成了人体姿态检测的代码搭建、训练、评估，最后利用训练好的检测器可检测单人、多人人体姿态检测等任务。关注B站-小洋葱UP主可以查看代码教程哦~https://www.bilibili.com/video/BV1CZ4y1a7as/?vd_source=9ed785727873c025ff872897e1d95941

源码中采取的NC文件（站点的风速和波高信息）（已上传）分别用LSTM和RNN模型进行训练并实验，输出散点拟合图以及预报折线图，实验预报效果较好，预报误差仅0.2m左右。源码内有注释，不明白的也可与我交流讨论，共同学习。

这是一份对最基本CNN代码的很详细很详细解析，特别适合CNN刚入门的同学。

完整卷积神经网络鲜花的二分类，同时包含模型搭建、数据处理、选择面板框等，还有生成的折线图来进行准确率的对比分析和损失值的对比分析，饼图为耗时分析 压缩包同时还包含答辩PPT，和项目报告书(有背景，发展现状，方法，结果分析与讨论等等

本代码基于MATLAB2020平台搭建多输入单输出手写数字字体识别，B站有视频讲解哦~

使用python+flask搭建的一个网站，然后从网页的写字板上获取鼠标手写的汉字经过转码后传回后台，并经过图片裁剪处理之后传入CNN手写中文识别的模型中进行识别，最后通过PIL将识别结果生成图片，最后异步回传给web端进行识别结果展示。中文总共50,000多汉字，常用的有3,755个。这里主要对常见的3755个汉字进行识别。

城市人流量预测任务可以视为一个回归任务，旨在根据历史记录预 测城市各区域的人流入和流出量，进而辅助城市管理。为简化研究，将 直接对待研究的城市区域按水平和垂直划分为若干个小区域。 任务目标：利用过去六小时录得的流入流出量，预测未来一 小时、两小时和四小时的流入流出量； 数据处理：先对数据进行规范化处理；而后参考实验4，按照 任务目标对原始数据进行滑窗采样，构造训练集、验证集和 测试集，三者比例为7：1：2； 模型要求 1. 模型结构：模型应同时使用卷积神经网络（CNN、残差 结构等）和循环神经网络（RNN、LSTM、GRU等）； 2. 模型优化： 1. 针对不同类型的模块应用不同的归一化操作； 2. 至少使用一次Dropout； 3. 损失函数中需添加正则化项； 4. 应用早停机制； 结论内容 1. 【表格】报告待预测的三个时间点在三种评 价指标（MAE、RMSE、MAPE）下的性能， 并用黑体标注出最佳一项； 2. 【绘图】探究使用不同正则化参数、Dropout 丢弃值以及早停忍耐值对结果的影响。 1. 模板：按此前指定的实验报告模板； 2. 要求：图文表并茂，粘贴关键的高亮代码；