SAM卫星图像分类 该项目旨在说明SAM算法在卫星图像分类中的用途。 高光谱图像提供像素光谱，可获取有关表面的详细信息，以识别和区分光谱相似（但独特）的材料。 放置在遥感卫星上的高光谱图像传感器可捕获具有各种光谱带的高光谱图像。 进行了实验，以在高光谱图像上实现光谱角度映射器（SAM），以对表面上的像素进行分类。 还可以获得图像的假彩色合成，以便更好地可视化表面差异。 各个波段的高光谱图像彼此堆叠，以形成用于SAM实现的三维图像立方体。 SAM是一种监督分类算法，可基于光谱角的计算来识别图像中的各种类别。 在为每个像素建立的测试向量与为用户选择的每个参考类别建立的参考向量之间计算光谱角。 获得了将多个2D数据集读取并重组到一个紧凑的3D数据集多维数据集中的结果。 构建参考向量以执行SAM分类，并计算参考向量和像素向量之间的角度以与确定的阈值角度值进行比较。 然后应用颜色编码来区分已被SAM

使用HLS工具在FPGA上使用二进制权重和激活进行图像分类的CNN的培训和实现 这是博洛尼亚大学项目工作的资料库教授 在这项工作中，我首先学习了具有二进制权重和激活的二进制网络。 然后，我在MNIST数据集上训练了一个网络，使用小型网络（46万权重）实现了96％的准确性。 但是，该项目的核心是使用高级综合工具（Vivado HLS）在FPGA器件（Zynq）上实现二进制网络。 我实现了核心模块（卷积，密集，最大池，填充），优化资源，评估结果并讨论了时间和资源之间的取舍。 整个实现是流水线的，通过使用少于FPGA上可用资源的一半，就可以实现数千个图像/秒的吞吐量。 您可以在提供的幻灯片中找到其他信息。 参考 二进制网络参考文件：二进制 ：我已经从该项目改编了我的培训代码 有关在FPGA上实现BNN的论文： 作者 博洛尼亚大学-2018年5月

shanghai数据集用于行人密度识别、适用于MCNN人群密度估计

caffe-vgg水果分类模型，将代码集成到qt中，可对水果图片进行分类。

hog+svm图像分类

完整的 tensorflow2.x 图像分类 android 平台运行的demo源码。包含.tflite 文件以及lable.txt ，直接android studio 打开即可在手机上运行。

pcanet的matlab代码PCANet上的论文 关于“使用 PCANet 进行浸润性导管环瘤 (IDC) 分类”的最后学期论文。 详情如下。 第 1 步：使用“git clone”克隆此 repo 第 2 步：使用“cd /Thesis-On-PCANet/Code”转到代码forler 第 3 步：打开 matlab 并将 matlab 目录更改为项目代码目录。 第 4 步：打开并运行“BreastHisto.m”文件。 对于第 3 步，请按照以下图片进行操作 – 复制此当前目录路径。 就我而言，突出显示的文本是目录路径。 将复制的目录路径粘贴到 matlab 路径/url 字段中，然后按 Enter。 现在从左侧窗口打开 BreastHisto.m 文件并运行它。

数据介绍： 该数据集包含4242个鲜花图像。数据收集基于数据flicr，谷歌图像，yandex图像。您可以使用此数据集识别照片中的植物。 内容 图片分为五类：洋甘菊，郁金香，玫瑰，向日葵，蒲公英。每节课大约有800张照片。照片分辨率不高，约为320x240像素。照片不会减少到单一尺寸，它们有不同的比例！

行业分类-设备装置-基于半监督条件随机场的超光谱图像分类方法.zip

基于深度学习特征和支持向量机的遥感图像分类.pdf