基于神经网络的图像分类，数据资源是基于CIFAR-10，内含训练测试数据（batch），是唐宇迪深度学习入门课程的修改代码，python3版本

本资源使用python编程，同时使用numpy包实现的三层神经网络，没有使用TensorFlow和pytorch等框架或者接口，数据集是minist手写数字数据集，其中还包含将minist照片转化为txt进行保存的代码。

图像的特征用到了Dense Sift，通过Bag of Words词袋模型进行描述，当然一般来说是用训练集的来构建词典，因为我们还没有测试集呢。虽然测试集是你拿来测试的，但是实际应用中谁知道测试的图片是啥，所以构建BoW词典我这里也只用训练集。 其实BoW的思想很简单，虽然很多人也问过我，但是只要理解了如何构建词典以及如何将图像映射到词典维上去就行了，面试中也经常问到我这个问题，不知道你们都怎么用生动形象的语言来描述这个问题？ 用BoW描述完图像之后，指的是将训练集以及测试集的图像都用BoW模型描述了，就可以用SVM训练分类模型进行分类了。 在这里除了用SVM的RBF核，还自己定义了一种核： histogram intersection kernel，直方图正交核。因为很多论文说这个核好，并且实验结果很显然。能从理论上证明一下么？通过自定义核也可以了解怎么使用自定义核来用SVM进行分类。

tensorflow-slim图像分类数据集结构, 文件data_prepare包含 pic文件, src文件 和 data_convert.py. pic里面是训练集和验证集的分类图片. src包含tfrecord.py. 运行data_convert.py会在pic生成tfrecord文件.

这是利用决策树算法对1000张图片集进行分类并输出混淆矩阵评价算法。图片集过大，需要自行下载，只需修改文件路径即可使用。

这是基于神经网络的图像分类，图片集1000张，通过神经网络模型，分类精度达80%，并输出混淆矩阵及相关二级评价指标，相关文件路径需自行修改。

基本所以图像识别任务都可以基于这段代码来实现！！！代码主要包括：图像数据集的制作、图像预处理、模型搭建与微调、模型训练与测试、模型保存等。本例使用Tensorflow的ResNet预训练模型，并在此基础上进行微调，能实现复杂的分类问题。

利用matlab平台，实现图像hog分类。。

文章以论文的形式描述了基于libsvm的gist和phog特征的图像分类研究，里面含有详细代码及参数设置。

yolo v3-pytorch模块图像分类检测使用-附件资源