【异常检测入门】使用CNN实现恶意域名检测（TensorFlow）【代码】
2022-04-04 09:45:38
182MB
1
图片字幕 :man::laptop:
基于CNN和LSTM概念以及Flicker_8k和GUI数据集的图像标题深度学习模型 :mechanical_leg: 来自tkinter。
Convolutional Neural Network是一种深度学习算法，可以吸收输入图像，为图像中的各个方面/对象分配重要性，并能够区分彼此。
这种方法的流程结构就像
在分类的最后一部分中，我们使用了RNN的扩展版本，即LSTM ，它使用了存储的内存和结构看起来像
表格中的数据集
图像
标签
一个穿着粉红色裙子的孩子正在以入门方式爬上楼梯。 一个走进一幢木制建筑物的女孩。 一个小女孩爬进一个木制剧场。 一个小女孩爬上楼梯到她的游戏室。 一个小女孩穿着粉红色的连衣裙走进一个小木屋。
数据集和。
以下图像标签上的步骤
取材和清洁的标准方法
如果您没有强大的GPU，则从大型数据集中提取特征将花费大量时间。 我的机器大约需要6-7分钟。 您可以使用GPU机器在
2022-04-03 11:06:07
1.36GB
1
主要介绍了使用keras框架cnn+ctc_loss识别不定长字符图片操作，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2022-04-02 21:55:46
482KB
1
深度学习中的场景识别
在此项目中，我们使用CNN将图像分类为不同的场景。 该项目的目标包括构建使用PyTorch进行深度学习的基本管道，了解不同层，优化器背后的概念以及尝试使用不同的模型并观察性能。
项目设计归因：佐治亚理工学院，CS 6476（2020年秋季），Frank Dellaert
2022-04-01 10:24:13
2.32MB
1
matlab代码abs
卷积神经织物
介绍
在我们的工作中，我们提出了一种嵌入数量呈指数级的
CNN
架构的“结构”。
结构避免了指定、训练和测试单个网络的繁琐过程，以便找到好的架构。
该结构绕过了
CNN
架构的
10
个超参数中的
8
个，并且只有
2
个超参数。
我们的
arXiv
技术报告中提供了该系统的详细描述：[出现在
NIPS16]。
收集的资源可在我们的
.
引文
如果您在出版物中使用此代码，请引用我们的论文。
@InProceedings{saxena2016convolutional,
title={Convolutional
Neural
Fabrics},
author={Saxena,
Shreyas
and
Verbeek,
Jakob},
BookTitle={NIPS},
year={2016}
}
系统要求
该软件在
Fedora
21
版（64
位）上进行了测试。
MATLAB（在
64
位
Linux
上用
2013b
测试）
caffe
()
的先决条件。
入门
代码：我们基于
caffe
的实现是
-
的修改版本。
其他平台需要重新编译caff
2022-03-31 20:31:02
6.38MB
1