卷积神经网络CNN进行图像分类

这是通过贝叶斯进行图像分类的代码，老师给的图片集共1000张，最终通过贝叶斯算法对图片训练预测分类，并输出混淆矩阵，召回率，F1，精确率。相关图片文件路径需自行修改。

资源主要是完成对COVID-19的分类识别，包括COVID图像数据集，数据降维算法PCA,LLE,PCA_LLE组合算法，利用SVM对图像进行分类识别，识别率超过80%，并且对算法性能进行优化比较，包括时间、算法最优参数选择（LLE的维度与邻域）、SVM的最优分类等等，是一个比较完整的课题实验。如有实验思路问题可私信。

基于空间金字塔的图像分类，matlab实现

常见的主动学习方法分为三类，分别是基于membership的主动学习，基于流的主动学习和基于池的主动学习。本文针对基于池的主动学习方法研究，通过对无标记的数据进行价值评价，然后价值高低的排序，从而得到最佳无标签数据，并且进行对最佳的无标签数据打标，并入到训练集合中，最后进行模型和分类器的训练，以便得到最佳效果。 具体来说，使用基于熵的不确定性方法和基于margin策略的不确定性度量方法进行价值评价，在无标签数据中，找到奇异样本点，也就是最有价值的样本点，然后进行打标，进入到训练样本中。最后进行支持向量机，贝叶斯分类器和最近邻三种分类器训练，并且在UCI的三个数据集合上进行实验，相比随机样本，基于熵的不确定方法和基于margin策略的不确定主动学习方法，其分类准确率更高。

图像分类集成以下模型：ResNet18、ResNet34、ResNet50、ResNet101、ResNet152、VGG16、VGG19、InceptionV3、Xception、MobileNet、AlexNet、LeNet、ZF_Net、DenseNet、mnist_net、TSL16等，还包含少量猫狗数据集。若电脑环境配置好，可以直接运行。上手快，内部有完整介绍，可以训练自己的数据集。

用于计算机视觉中图像分类等任务，下载之后可本地加载数据集，不用运行时联网下载，减少麻烦

简易的二分类图像数据集，蚂蚁和蜜蜂。 包含训练集（各100张）和验证集（各20张）。 从百度图片搜索收集得到。

利用pytorch实现transformers在cifar10上的图像分类，代码简洁，注释详细

手写数字识别数据集MNIST，官网下载下来的是一个奇怪格式； 我将其转换为JPG图片保存下来，为学习之用。（mnist2jpg.py 转换脚本也有提供）