用于Tensorflow 2.0中语义分割的门控形状CNN 的 。 开始是我学习tensorflow==2.2.0一种方式。 在CityScapes上的表现 执行 吝啬的 路 人行道 建造 墙 栅栏 极 红绿灯 交通标志 植被 地形 天空 人 骑士 车 卡车 公共汽车 火车 摩托车 自行车 纸 80.8 98.3 86.3 93.3 55.8 64 70.8 75.9 83.1 93 65.1 95.2 85.3 67.9 96 80.8 91.2 83.3 69.6 80.4 这个回购 77.7 97.8 83.2 92.4 55.8 59.8 64.4 67.6 77.5 92.4 63 94.9 81.9 63 95 80.8 86 78.3 65.2 77.1 安装 项目使用语义版本控制Maj.Min.

CreditCardFraud-Kaggle-Tensorflow 使用来自Kaggle的信用卡欺诈数据集，我创建了一个完全连接的神经网络，该网络可以预测信用卡欺诈，平均准确性为96％

台风是一种极端天气事件，每年夏天都会对沿海地区的城市经济造成重大损失。 预测台风的形成和强度以对台风灾害进行预警是非常重要的。 传统的基于流体理论的数值预报模型仍然很难准确地预测台风强度。 一些研究尝试使用机器倾斜方法来预测台风的形成和强度，但是他们并未考虑台风形成变量之间的时空关系。 在这里，我们提出了一个混合的CNNLSTM模型来学习大气和海洋变量的时空相关性。 我们的CNN-LSTM模型引入了3D卷积神经网络（3DCNN）和2D卷积神经网络（2DCNN），以了解台风形成特征之间的空间关系。 我们利用LSTM来学习台风路径中特征的时间序列关系。 在三个数据集上进行的广泛实验表明，我们的CNN-LSTM混合模型优于现有方法，包括许多官方组织使用的传统数值预测模型，统计预测方法和基于机器学习的方法。

性别识别 通过CNN神经网络，把输入的人脸图片分辨为男性或女性 数据集要求： 下载后将Caucasian数据文件放入项目目录下 运行prepear_data.py把数据分割，自动生成data目录存放分割后的数据 运行train.py训练，eval.py测试。

本人用CNN卷积神经网络编写的手写字体识别，大家可以下载下来参考下，研究生课程的作业

欢迎来到EEG深度学习图书馆 EEG-DL是为EEG任务（信号）分类编写的深度学习（DL）库。 它提供了最新的DL算法并不断更新。 目录 贡献 组织机构 文献资料 支持的型号包括 不。 模型 代号 1个 深度神经网络 DNN 2个 卷积神经网络[论文] [教程] 有线电视新闻网 3 深度残差卷积神经网络[论文] ResNet 4 薄残差卷积神经网络[论文] 稀薄的ResNet 5 密集连接的卷积神经网络[论文] 密集网 6 全卷积神经网络[论文] FCN 7 暹罗网络（CNN骨干网）的一键式学习[论文] [教程] 连体网络 8 图卷积神经网络[论文] [演示文稿] [教程] [针对中国读者的GCN / GNN摘要] [针对中国读者的GNN相关算法综述] [图的深度学习文学] GCN /图表CNN 9 图卷积神经网络（来自Reza Amini的纯Py

图片CNN分类模板，换图片和文件夹名　直接使用 详情：https://maoli.blog.csdn.net/article/details/122266896

基于深度学习的字符图像识别和图像检索研究 手写字母是识别是卷积神经网络发展中的一大步

卷积神经网络经典代码，采用tensorflow框架，能够实现对cifar10数据集的经典分类。

本项目通过CNN方法识别出图片集中的人脸位置并将图片裁剪，使新的图片包含尽可能多的人脸信息，然后对裁剪后的图片进行编码，使用DBSCAN方法对编码后的信息进行聚类，最终实现不同人脸的分类。 由最终的结果可知，使用DBSCAN和CNN方法进行人脸聚类具有较高的识别准确率和识别效率，且运行效果良好。