MatConvNet有一个简单的设计理念。它并没有将CNN包裹在复杂的软件层面上，而是直接将MATLAB命令直接展现为计算CNN构建模块的简单函数，如线性卷积和ReLU运算符。这些构建块很容易组合成完整的CNN，并可用于实现复杂的学习算法。尽管提供了几个真实的小型和大型CNN结构和训练例程，但仍可以利用MATLAB原型设计的高效性回到底层构建自己的结构。通常不需要C编码来实现新的结构。因此，MatConvNet是计算机视觉和CNN研究的理想场所

1. 回归学习算法 　回归学习（Regression Learning），又称为回归分析（Regression Analysis），是一种近似方法，从未知概率分布的随机样本中获得目标函数。 　 提及回归学习，常常首先想起一个概念叫做线性回归。那么什么是线性回归呢？线性回归其实是一个统计学概念。在统计学中，线性回归(Linear Regression)是利用称为线性回归方程的最小平方函数对一个或多个自变量和因变量之间关系进行建模的一种回归分析。这种函数是一个或多个被称为回归系数的模型参数的线性组合。只有一个自变量的情况称为简单线性回归,大于一个自变量情况的叫做多元线性回归。

计算机视觉-决策树学习MATLAB源码 与其他的数据挖掘算法相比，决策树有许多优点: （1）易于理解和解释 人们很容易理解决策树的意义。 （2）只需很少的数据准备 其他技术往往需要数据归一化。 （3）即可以处理数值型数据也可以处理类别型 数据。其他技术往往只能处理一种数据类型。例如关联规则只能处理类别型的而神经网络只能处理数值型的数据。 （4）使用白箱 模型，输出结果容易通过模型的结构来解释。而神经网络是黑箱模型，很难解释输出的结果。 （5）可以通过测试集来验证模型的性能 。可以考虑模型的稳定性。 （6）强健控制. 对噪声处理有好的强健性。 （7）可以很好的处理大规模数据 。 缺点： （1）训练一棵最优的决策树是一个完全NP问题。因此, 实际应用时决策树的训练采用启发式搜索算法例如 贪心算法 来达到局部最优。这样的算法没办法得到最优的决策树。 （2）决策树创建的过度复杂会导致无法很好的预测训练集之外的数据。这称作过拟合。 剪枝机制可以避免这种问题。 （3）有些问题决策树没办法很好的解决,例如 异或问题。解决这种问题的时候，决策树会变得过大。

计算机视觉-流形学习算法MATLAB源码 流形学习是一类借鉴了拓扑流形概念的降维方法，与核PCA的目的一样，它想要在低维空间中尽量保持在高维空间中的结构。一个形象的流形降维过程如下图，我们有一块卷起来的布，我们希望将其展开到一个二维平面，我们希望展开后的布能够在局部保持布结构的特征，其实也就是将其展开的过程，就像两个人将其拉开一样。 流形学习方法有很多种，但是他们具有一些共同的特征：首先构造流形上样本点的局部邻域结构，然后用这些局部邻域结构来将样本点全局的映射到一个低维空间。它们之间的不同之处主要是在于构造的局部邻域结构不同，以及利用这些局部邻域结构来构造全局的低维嵌入方法的不同。 　

1、YOLOv5行人车辆目标检测结果 2、行人车辆目标检测结果，包含700多张检测好的图片，并保存了检测结果坐标值在txt文件中 3、classes: person、car

史上最齐全的YOLOv5预训练模型，共10种预训练权重。附带各个权重性能比对图。使用后可以实现目标检测多达80种物体

计算机视觉-CNN学习MATLAB源码 卷积神经网络（CNN 或 ConvNet）是一种深度学习网络架构，它直接从数据中学习，不需要手动提取特征。 CNN 特别适合在图像中寻找模式以识别物品、人脸和场景。这类网络也能很好地对一些非图像数据进行分类，如音频、时间序列和信号数据。 需要目标识别和计算机视觉的应用（如自动驾驶汽车和人脸识别应用）高度依赖 CNN。 卷积神经网络CNN的结构一般包含这几个层： (1)输入层：用于数据的输入 (2)卷积层：使用卷积核进行特征提取和特征映射 (3)激励层：由于卷积也是一种线性运算，因此需要增加非线性映射 (4)池化层：进行下采样，对特征图稀疏处理，减少数据运算量。 (5)全连接层：通常在CNN的尾部进行重新拟合，减少特征信息的损失 CNN的三个特点： (1)局部连接：这个是最容易想到的，每个神经元不再和上一层的所有神经元相连，而只和一小部分神经元相连。这样就减少了很多参数 (2)权值共享：一组连接可以共享同一个权重，而不是每个连接有一个不同的权重，这样又减少了很多参数。 (3)下采样：可以使用Pooling来减少每层的样本数

内含风力涡轮机表面损坏检测数据集，无人机航拍分块图像，总共1万多张，但实际标签图像有3000左右，标签文件为txt，格式为yolo格式标签，包含脏污与损坏两种缺陷，可用于图像识别、目标检测等计算机视觉的应用！ 上传的txt文件内含有下载链接，请放心购买。

内含光伏电板电池片焊点定位图像数据集，图像总数为1500张左右，含有json格式标签，可用于目标检测等计算机视觉技术的应用 txt文件内含有下载链接，请放心下载！！！

计算机视觉-贝叶斯学习MATLAB源码 贝叶斯分类算法是统计学的一种分类方法，它是一类利用概率统计知识进行分类的算法。在许多场合，朴素贝叶斯(Naïve Bayes，NB)分类算法可以与决策树和神经网络分类算法相媲美，该算法能运用到大型数据库中，而且方法简单、分类准确率高、速度快。 　 　由于贝叶斯定理假设一个属性值对给定类的影响独立于其它属性的值，而此假设在实际情况中经常是不成立的，因此其分类准确率可能会下降。为此，就衍生出许多降低独立性假设的贝叶斯分类算法，如TAN(tree augmented Bayes network)算法。