基于卷积神经网络（CNN）的肺结节自动检测的深度学习模型

【手写数字识别】基于卷积神经网络CNN实现手写数字识别分类matlab源码

VGG16权重文件vgg16_weights_tf_dim_ordering_tf_kernels.h5的百度网盘下载链接，文件较大从GitHub国内下载速度很慢要两个小时，提供网盘资源需要请下载。

一、卷积神经网络 卷积神经网络（ConvolutionalNeuralNetwork，CNN）最初是为解决图像识别等问题设计的，CNN现在的应用已经不限于图像和视频，也可用于时间序列信号，比如音频信号和文本数据等。CNN作为一个深度学习架构被提出的最初诉求是降低对图像数据预处理的要求，避免复杂的特征工程。在卷积神经网络中，第一个卷积层会直接接受图像像素级的输入，每一层卷积（滤波器）都会提取数据中最有效的特征，这种方法可以提取到图像中最基础的特征，而后再进行组合和抽象形成更高阶的特征，因此CNN在理论上具有对图像缩放、平移和旋转的不变性。 卷积神经网络CNN的要点就是局部连接（LocalConn

卷积神经网络CNN代码解析-matlab.doc，，，，，，，，

【预测模型】基于卷积神经网络CNN实现预测单输入单输出预测模型matlab源码.zip

项目概况 卷积神经网络（CNN）项目，可在Web或移动应用程序中使用以处理现实世界中用户提供的图像。 给定狗的图像，它将识别出犬的品种。 如果提供了人像，则代码将识别出类似狗的品种。 目标是了解将一系列旨在执行数据处理管道中各种任务的模型组合在一起所面临的挑战。 每个模型都有其优点和缺点，设计一个实际应用程序常常涉及解决许多问题而没有一个完美的答案。 项目说明 指示 克隆存储库并导航到下载的文件夹。 git clone https://github.com/iNinad/dog-breed-classifier cd dog-breed-classifier 下载 。 解压缩文件夹并将其放置在path/to/dog-project/dogImages ，位于path/to/dog-project/dogImages 。 dogImages/文件夹应包含133个文件夹，每个文件夹对应一

卷积神经网络(CNN)项目，给你一个狗的图像，你的算法将会识别并估计狗的品种

【图像识别】基于卷积神经网络(CNN)实现垃圾分类Matlab源码.zip

1 前言 本文以MNIST手写数字分类为例，讲解使用一维卷积和二维卷积实现 CNN 模型。关于 MNIST 数据集的说明，见使用TensorFlow实现MNIST数据集分类。实验中主要用到 Conv1D 层、Conv2D 层、MaxPooling1D 层和 MaxPooling2D 层，其参数说明如下： （1）Conv1D Conv1D(filters, kernel_size, strides=1, padding='valid', dilation_rate=1, activation=None) filters：卷积核个数（通道数） kernel_size：卷积核尺寸（长度或宽度）