matlab建立汽车模型代码-EC601_miniproject2:EC601_miniproject2

上传者: 38711008 | 上传时间: 2021-06-08 22:02:55 | 文件大小: 336KB | 文件类型: ZIP
matlab建立汽车模型代码EC601_miniproject2 目标: 使用 TensorFlow(或您喜欢的任何工具)在两类对象之间进行识别。 这些类可以是: 汽车和卡车或汽车和 SUV 玫瑰和向日葵或蔬菜 您需要自己捕获图像并标记它们。 您可以使用任何标记系统(例如,Neurala)。 您需要设计自己的训练、测试和验证集。 您需要根据您所做的文献回顾和/或提供的阅读材料在两个不同的系统之间进行比较 奖励:为其他开发人员提供带有示例代码的 API 以使用您的系统 脚步 第一步 从网上下载图片(谷歌数据库,kaggle) 给图片贴标签 更新1: 1.从kaggle下载图片:数据集Stanford Cars Dataset,但是这个数据集用于多分类,csv文件和图片分为196类,我必须修改文件,使其更适合我们的二进制分类问题. 2.我将所有图片的一半设置为训练图片,其余为测试图片。 3.原来的csv文件有196个类,所以我用google计算机视觉识别哪个是SUV,然后用matlab和python(pandas and numpy)修改csv文件,制作所有图片都是SUV为1类,其他图片为

文件下载

资源详情

[{"title":"( 10 个子文件 336KB ) matlab建立汽车模型代码-EC601_miniproject2:EC601_miniproject2","children":[{"title":"EC601_miniproject2-master","children":[{"title":"smallervgg epoch=5 step=5.PNG <span style='color:#111;'> 19.08KB </span>","children":null,"spread":false},{"title":"car_test.csv <span style='color:#111;'> 254.65KB </span>","children":null,"spread":false},{"title":"smallervggnet <span style='color:#111;'> 7.52KB </span>","children":null,"spread":false},{"title":"epoch=5 step=10.PNG <span style='color:#111;'> 37.14KB </span>","children":null,"spread":false},{"title":"epoch=5 step=5.PNG <span style='color:#111;'> 19.12KB </span>","children":null,"spread":false},{"title":"smallervgg epoch=5 step=10.PNG <span style='color:#111;'> 32.92KB </span>","children":null,"spread":false},{"title":"epoch=5 step=20 learningrate=0.0002.PNG <span style='color:#111;'> 61.21KB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 3.03KB </span>","children":null,"spread":false},{"title":"car_train.csv <span style='color:#111;'> 257.96KB </span>","children":null,"spread":false},{"title":"ShipDetection(VGG19) <span style='color:#111;'> 5.97KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明