第1章主要技术和工具介绍. 1.1TensorFlow 1.2微信小程序 1.3Node.js 1.4VantWeapp 1.5MySql数据库 1.6前后端分离技术 第2章需求分析 2.1系统功能需求分析 2.1.1需求概述............. 2.1.2用例分析 2.2系统业务流程分析. 第3章系统设计. 3.1系统结构设计.. 3.1.1系统功能模块图 3.1.2功能模块时序图.. 3.2数据库设计 3.2.1数据库设计概述 3.2.2实体联系 3.2.3表设计. 第4章系统实现. 4.1基本任务. 4.2小程序开发...... 4.2.1拍照页面..... 4.2.2拍视频页面 4.2.3我的页面 4.3水果识别实现 4.3.1环境搭建 4.3.2卷积层 4.3.3池化层 4.3.4全连接层 4.3.5损失层.... 4.3.6卷积神经网络的超参数设置 4.3.7神经网络搭建. 4.3.8训练数据集. 4.3.9识别精确度的提升. 4.3.10CNN特征可视化.. 4.3.11识别目标信息的采集.. 4.3.12封装水果识别软件接口 4.4Node后端的搭建.. 。。。。

基于TensorFlow的Android平台实时车辆和交通标志牌检测的研究 基于TensorFlow的Android平台实时车辆和交通标志牌检测的研究 基于TensorFlow的Android平台实时车辆和交通标志牌检测的研究 基于TensorFlow的Android平台实时车辆和交通标志牌检测的研究 基于TensorFlow的Android平台实时车辆和交通标志牌检测的研究 基于TensorFlow的Android平台实时车辆和交通标志牌检测的研究 基于TensorFlow的Android平台实时车辆和交通标志牌检测的研究 基于TensorFlow的Android平台实时车辆和交通标志牌检测的研究 基于TensorFlow的Android平台实时车辆和交通标志牌检测的研究 基于TensorFlow的Android平台实时车辆和交通标志牌检测的研究 基于TensorFlow的Android平台实时车辆和交通标志牌检测的研究 基于TensorFlow的Android平台实时车辆和交通标志牌检测的研究 基于TensorFlow的Android

基于TensorFlow的自动化行人检测（人体检测）和监控（视频监控）系统 监控在安保和巡查中发挥着重要作用，但也是一项非常乏味的任务，深度学习的出现在一定程度上将人类从这一任务中解放出来。本项目基于深度学习的目标检测去搭建了一个简单有效的监控系统，能够自动化进行人流统计和行人检测。 Python3.5 pip TensorFlow-1.11.0-GPU Python版本OpenCV requests pip3 install requests frozen_inference_graph.pb Nginx with RTMP 展示系统基于Idea集成开发环境进行开发，SSM框架中的依赖均基于Maven进行配置，在Idea中导入web目录下的工程，导出war包，将war包放在服务器tomcat/webapps目录下，运行./startup.sh,启动tomcat容器；

基于Tensorflow Lite框架,在 Android 上的一次尝试性实验。 本实验参考Google官方Github文档tensorflow/tensorflow 中的TF Classify， 通过训练不同的司机面部的模型，接着把它部署在了Android手机上，最后增加了一个原先没有的切换前后摄像头的功能。 安装 Bazel (参考Bazel官方教程) 安装 JDK 8 安装并更新 Bazel 下载 Tensorflow 源码 下载 Android studio 和 An

图片鉴黄主要思路是通过nsfw.tflite模型文件生成Interpreter，然后通过Interpreter获取python中定义的入口ByteBuffer的张量（Tensor），然后把要鉴别的文件做归一化处理，输入到ByteBuffer中，通过运行Interpreter获取结果即可，其流程如下图所示： image 2.2 实现步骤 2.2.1 添加依赖 在build.gradle中添加TensorFlow依赖： implementation 'org.tensorflow:tensorflow-lite:0.0.0-nightly' implementation 'org.tensorflow:tensorflow-lite-gpu:0.0.0-nightly' 2.2.2 拷贝训练模型文件 将resources目录下的nsfw.tflite文件拷贝到手机SD存储卡上。 2.2.3 加载训练模型文件 public void init() { File file = new File(Environment.getExternalStorageDirectory() +

Raspbarry_Tensorflow_Robot 基于Tensorflow的树莓派智能识别机器人 实现功能 1.通过树莓派GPIO口控制机器人前后左右移动以及机械臂运动，通过步进电机控制摄像头上下移动。（采用非阻塞输入） 2.使用Tensorflow进行图像识别。 3.使用RPI Cam web 接口将视频信息实时传送到web端。 4.取识别的内容中可能性最大的进行语音输出。

基于TensorFlow.js的YOLOv5实时目标检测项目代码 基于TensorFlow.js的YOLOv5实时目标检测项目代码 基于TensorFlow.js的YOLOv5实时目标检测项目代码 基于TensorFlow.js的YOLOv5实时目标检测项目代码 基于TensorFlow.js的YOLOv5实时目标检测项目代码 基于TensorFlow.js的YOLOv5实时目标检测项目代码 基于TensorFlow.js的YOLOv5实时目标检测项目代码 基于TensorFlow.js的YOLOv5实时目标检测项目代码 基于TensorFlow.js的YOLOv5实时目标检测项目代码 基于TensorFlow.js的YOLOv5实时目标检测项目代码 基于TensorFlow.js的YOLOv5实时目标检测项目代码 基于TensorFlow.js的YOLOv5实时目标检测项目代码 基于TensorFlow.js的YOLOv5实时目标检测项目代码 基于TensorFlow.js的YOLOv5实时目标检测项目代码 基于TensorFlow.js的YOLOv5实时

1.基于TensorFlow 2的深度学习开源教程 2.基于TensorFlow 2正式版！！！ 理论与实战结合，非常适合入门学习！！！ 3.包含配套源代码、配套课件等

基于TensorFlow+OpenCV的焊缝识别 文章地址： https://blog.csdn.net/weixin_53403301/article/details/124505827

带数据增强，模型保存恢复功能的mnist识别。90行代码cnn实现，简单易上手，正确率超99%