用Python+Pytorch实现了卷积神经网络对垃圾图片进行分类，其中还包含了爬虫代码。适合初学者以及大作业ddl选手：）。资源有任何疑问，欢迎留言。

求两个不同长度序列的循环卷积

为满足复杂场景下视频烟雾检测的实时性、准确率等需求,提出了一种将高斯混合模型与卷积神经网络相结合的视频烟雾检测方法。基于高斯混合模型的背景减除法和形态学方法实现对视频图像的运动目标提取;针对烟雾检测效率和网络过拟合等问题,设计用于视频烟雾检测的卷积神经网络模型;通过烟雾正负样本图像对卷积神经网络进行训练和测试。在此基础上,合理地设定运动目标网络模型的输出概率的阈值,有效去除训练样本中没有涵盖的非烟雾干扰项,降低误报率。实验结果表明,该方法是可行且有效的,其视频烟雾检测准确率达到97.5%,平均烟雾报警响应时间为4.58 s,可满足复杂场景下烟雾的实时检测要求。

matlab卷积神经网络去噪代码

基于卷积神经网络的人群计数研究.pdf

深度学习代码笔记

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

针对传统图像渲染方法费时、复杂，无法满足现代设计应用场景的问题，利用人工智能技术中的卷积神经网络进行了图像自动渲染的研究。图像自动渲染算法主要分为两个部分：素材图像的特征提取与虚拟视图的渲染。通过卷积神经网络识别场景中图像的位移、缩放与其他形式扭曲不变性的二维图形轮廓，进而构建特征表征网络，用以提取图像特征并使之融合。同时，采用基于计算逻辑的图像校正算法来对齐不同视角所生成的虚拟视图，最终设计两层编码器-三层解码器的虚拟图像自动渲染模型。测试结果表明，所提出的图像自动渲染方法具有相对稳定的峰值噪声比与结构相识性，可以有效识别图像的特征并进行虚拟视图的渲染。

针对健康数据种类日益增多，而统计学算法不能实现所有数据种类的特征提取与健康状态评估的问题，文中提出了基于卷积与BP神经网络的健康数据分析算法来评估用户的健康状态。对健康数据类型进行分析，总结为数字、文本、图像3种模态的数据类型，并分别针对这3种数据类型进行基于卷积神经网络的数据特征表征模型的构建。经过特征融合，利用多元高斯分布定义健康状态的划分，并利用BP神经网络构建健康数据分析算法。通过在样本数据上的测试结果表明，与朴素贝利斯模型对比，文中所述健康数据分析算法具有较高的准确率，使用多模态数据较单一数据类型的健康评估结果更优，其准确率约为84.2 %。

用卷积滤波器matlab代码声音和语音 音频，声音和语音相关的论文，工具和文档的存储库 文件 这是无界交织状态递归神经网络（UIS-RNN）算法的库，与论文《完全监督的说话人歧义》相对应。 深度卷积神经网络和数据增强用于声音事件检测 适用于DCASE2017挑战任务的SURREY-CVSSP系统4 按示例进行移动查询的音频指纹计划的调查和评估 工具和代码 这是无界交织状态递归神经网络（UIS-RNN）算法的库，与论文《完全监督的说话人歧义》相对应。 声纹识别 大规模音频分类的CNN架构 SoundNet：从未标记的视频中学习声音表示 音频/声音事件检测： 可视化： ：可视工具 一个深度神经网络，用于查找以张量流和张量包编写的与文本无关的说话人嵌入 音乐指纹系统： 用于Chromaprint声学指纹识别和Acoustid Web服务的Echoprint Python绑定的服务器组件AcoustID是一个完全基于开源软件提供完整音频识别服务的项目。 audfprint是一个（经过编译的）Matlab脚本，可以获取一个声音文件列表并创建一个地标数据库，然后随后获取一个或多个查询音频文件并将它