网络摄像头 实时训练自己的实时图像分类器。 使用您的网络摄像头和tensorflow.js进行实时图像分类 特征 自定义标签驱动的实时图像分类。 了解什么看起来像什么，叫它是什么！ 从医学到模因的广泛应用。 无需身份验证的模型保存！ 谁想创建一个帐户？ 不是我...复制UUID并将其保存在某处！ 无需身份验证的模型加载！ 将您训练有素的模型的UUID发送给您的朋友，并让他们加载！ 伟大的模因。 应用程式示范 用法 使用网络摄像头专注于对象或实体 输入描述网络摄像头正在查看的标签 提交几个示例捕获（理想情况下使用不同的物体角度） 实时观察模型的分类 重复进行以构建自己的训练有素的图像分类器 保存模型供以后使用！ 或将代码发送给您的朋友，让他们加载您的模型！ 关于 与GCP托管在： : 安装用于本地开发 在所需目录中运行git clone https://github.com/jam

小样本细粒度图像分类的混合注意机制

PASCAL Visual Object Classes Challenge 2010年的图像数据集。PASCAL Visual Object Classes 是一个图像物体识别竞赛，用来从真实世界的图像中识别特定对象物体，共包括 4 大类 20 小类物体的识别。其类别信息如下。 Person: person Animal: bird, cat, cow, dog, horse, sheep Vehicle: aeroplane, bicycle, boat, bus, car, motorbike, train Indoor: bottle, chair, dining table, potted plant, sofa, tv/monitor

此仓库具有我的图像分类模型开发的历史。 模型代码开始于从Kaggle下载胸部X射线数据集。 然后要预处理数据集，请删除损坏的图像。 基本模型由4组卷积和maxpooling层组成，然后是平坦层和2个致密层。 模型版本2与基本模型相似，但是增加了增强功能。 为了比较这些模型，针对时期绘制了精度曲线和损耗曲线。 另外，输入一组测试图像以测试训练后的模型，并绘制混淆矩阵和ROC曲线。

hsi图像分割matlab代码使用马尔可夫随机场和卷积神经网络的高光谱图像分类 CNN-HSI-MRF 这是卷积神经网络（CNN）的TensorFlow实现，用于基于代码（）的高光谱图像分割任务，如本文所述： 曹X，周F.许L.徐D.孟格，许Z.许和J.佩斯利， 此代码的另一个版本在[]中 要求 张量流0.12.1 如何使用代码 步骤1：运行python代码python cnn_train.py 第2步：运行Matlab代码Demo_Post_MRF.m 引用 该代码受MIT许可证保护。 如果您在代码中使用以下代码，请引用我们的论文： @article{cao2017hyperspectral, title={Hyperspectral image segmentation with Markov random fields and a convolutional neural network}, author={Cao, Xiangyong and Zhou, Feng and Xu, Lin and Meng, Deyu and Xu, Zongben and Paisley, J

Caltech101 是一个图像物体识别数据集，包含 101 类物体的图像，每个类别中最小包含 31 张图片。

飞机图像分类： 飞机图像分类的深度学习项目。 军用飞机： 达索阵风 洛克希德·马丁公司F-35闪电II 欧洲战斗机台风 A400M阿特拉斯空客 Soukhoi Su-57 商用飞机： 空客A380 空客贝卢加 波音747 波音777 达索猎鹰8X

基于改进自组织神经网络的遥感图像分类研究.pdf

MIC @ DKFZ的批处理生成器 batchgenerators是我们在德国癌症研究中心（DKFZ）的医学图像计算部门开发的python软件包，可满足我们所有深度学习数据扩充的需求。 尚不完美，但我们认为它足以与社区共享。 如果遇到错误，请随时与我们联系或打开github问题。 如果使用它，请引用以下工作： Isensee Fabian, Jäger Paul, Wasserthal Jakob, Zimmerer David, Petersen Jens, Kohl Simon, Schock Justus, Klein Andre, Roß Tobias, Wirkert Sebastian, Neher Peter, Dinkelacker Stefan, Köhler Gregor, Maier-Hein Klaus (2020). batchgenerators - a

卷积神经网络，可以很好的实现文本分类或者图像识别