演示代码（请参阅jupyter笔记本）：
使用深度卷积自动编码器对地震信号进行非监督（自我监督）区分
您可以从这里获取论文：
连结1：
连结2：
您可以从此处获取训练数据集：
参考：
Mousavi, S. M., W. Zhu, W. Ellsworth, G. Beroza (2019).
Unsupervised Clustering of Seismic Signals Using Deep Convolutional Autoencoders,
IEEE Geoscience and Remote Sensing Letters, 1 - 5, doi:10.1109/LGRS.2019.2909218.
2021-10-11 21:13:41
15.17MB
1
点云是一种重要的三维表达方式,在计算机视觉和机器人领域都有着广泛的应用。由于真实应用场景中存在遮挡和采样不均匀等情况,传感器采集的目标物体点云形状往往是不完整的。为了提取点云的特征和补全目标点云,提出了一种基于多分支结构的点云补全网络。编码器从输入信息中提取局部特征和全局特征,解码器中的多分支结构将提取的特征转换成点云,以得到目标物体完整的点云形状。在ShapeNet和KITTI数据集以及不同残缺比例、不同几何形状的情况下进行实验,结果表明,本方法可以很好地补充目标缺失的点云,得到完整、直观、真实的点云模型。
2021-10-10 10:30:34
6.05MB
1
matlab精度检验代码通过卷积神经网络（CNN）检测黑素瘤
该项目的目的是创建一个卷积神经网络（CNN），将皮肤病变的皮肤镜图像分类为黑色素瘤或非黑色素瘤。
皮肤镜图像是使用显微镜和照明的皮肤图像。
动机
黑色素瘤是最致命，最具侵略性的皮肤癌。
预计到2018年，皮肤黑色素瘤将在美国造成9,320例死亡。
但是，如果黑色素瘤是早期发现的，则5年生存率约为99％。
因此，在转移之前，黑素瘤的早期检测对于患者的生存至关重要。
黑色素瘤是由位于皮肤表皮中的黑色素生成细胞（黑色素细胞）的快速生长演变而来的。
尽管只能通过活检才能确定黑色素瘤，但通常使用助记符“
ABCDEs”在现有或新痣（通常称为“痣”）中进行视觉识别：
不对称–病变形状不规则或不对称。
边框–边缘不规则且难以定义。
颜色–存在不止一种颜色或颜色分布不均。
直径–直径大于6毫米。
不断发展–病变的颜色和大小随时间而改变。
建于
TensorFlow
凯拉斯
Python
MATLAB的深度学习工具箱
楷模
为此项目探索了两种CNN架构：
使用Keras，TensorFlow和Python从零开始构建的简单CNN。
使用MAT
2021-09-29 21:18:01
21.03MB
1
DCGAN-TensorFlow-面生成
使用深度卷积生成对抗网络生成的人脸图像
2021-09-28 20:38:03
8.76MB
1