完整的目标识别代码，需要的可以做设计引用，快来下载吧。

MATLAB与深度学习

CNN卷积神经网络Matlab实现例程，使用了matlabR2019a自带的深度学习工具箱,一维数据分类，二维cnn

可直接运行，包含数据文件

用于MATLAB环境下的深度学习工具箱，包含一些基础的深度学习代码可以调用。

matlab深度学习工具箱官方指导手册，包含各大模型参数的解释以及函数调用方式，适合开发以及研究使用。如果大家觉得不错的话，欢迎好评点赞转发，小伙伴们的鼓励就是我最大的动力~

为了说明训练过程，本示例将训练SegNet，一种用于图像语义分割的卷积神经网络(CNN)。用于语义分割的其他类型网络包括全卷积网络(FCN)和U-Net。以下所示训练过程也可应用于这些网络。本示例使用来自剑桥大学的CamVid数据集展开训练。此数据集是包含驾驶时所获得的街道级视图的图像集合。该数据集为32种语义类提供了像素级标签，包括车辆、行人和道路。本示例创建了SegNet网络，其权重从VGG-16网络初始化。要获取VGG-16，请安装NeuralNetworkToolbox?ModelforVGG-16Network：安装完成后，运行以下代码以验证是否安装正确。此外，请下载预训练版SegN

基于MATLAB语言，循序渐进，搭建深度神经网络，精通深度学习

matlab中深度学习的工具箱，有SAE DBN CAE CNN NN等

MatlabReadMNIST是用来从train-labels-idx1-ubyte，train-images-idx3-ubyte，t10k-labels-idx1-ubyte，t10k-images-idx3-ubyte中获取数据的（已经获取好了），只要运行ceshi.m就可以了，修改ceshi.m读入的图片就可以识别不同的图片，自己提供输入图片也可以，不过要注意输入图片的大小要是28*28