基于深度迁移学习的小样本图像分类matlab程序，网络模型基于AlexNet，文件包含了图像数据集，输出结果可靠。

基于GoogLeNet深度迁移学习的苹果缺陷检测方法.pdf

基于UDTL的智能诊断基准 代码发布，张启阳和余晓磊的。 更正 2020.06.02，我们修改了util / train_utils_combines中的错误。 （class_num-> num_classes）。 指导 该项目仅提供基线（下限）精度和基于无监督深度转移学习（UDTL）的统一智能故障诊断库，该库为每个人保留了扩展的接口，以供他们自己加载自己的数据集和模型以进行新的研究。 同时，所有实验都是通过在装有Intel Core i7-9700K，GeForce RTX 2080Ti和16G RAM的计算机上运行，​​在Window 10和Pytorch 1.3下执行的。 要求 Python 3.7 脾气暴躁的1.16.2 熊猫0.24.2 泡菜 tqdm 4.31.1 斯克莱恩0.21.3 Scipy 1.2.1 OpenCVPython的4.1.0.25 PyWav

cnn源码matlab #基于深度迁移学习对JPEG图像进行隐写分析 keywords：deep learning,transfer learning,steganalysis ##内容介绍 DCTR_matlab：使用MATLAB实现的残差图像的离散余弦变换算法。 SRNet：隐写分析残差网络实现，CNN网络中加入深度学习短连接（shortcut connections）的残差层。 log：保存tensorboard可视化查看日志文件，可在网页localhost：6060中打开，观察网络和张量的变化以及进行loss，acc曲线图的绘制等。 savemodel：训练过程中保存的训练模型。 conv.py：CNN网络的卷积层等部分，主要用来进行隐写特征提取。 dataload.py：对JPEG图像进行处理生成网络能够读取的格式。 dctr.py：对JPEG图像进行DCTR（残差图像的离散余弦变换）进行DCT基核滤波提取图像在变换域（频域空间）的隐写特征，以及使用高通滤波器进行空间域的特征提取。 distance：计算源域和目标域数据的KV核距离（高斯核和线性核）。 others.py：用

基于深度迁移学习的车辆信息识别方法.pdf

基于深度迁移学习的小样本图像分类matlab程序，网络模型基于AlexNet，文件包含了图像数据集，输出结果可靠。

严如强团队2019年文章UnsupervisedDeepTransferLearningforIntelligentFaultDiagnosis-AnOpenSourceandComparativeStudy用于智能故障诊断的无监督深度迁移学习：开放源代码和比较研究 关键词：无监督深度学习；智能故障诊断；开源研究 1.介绍 2.简要回顾 3.算法评估 4.基于UDTL的智能故障诊断应用 5.数据集 6.数据预处理和拆分 7.评估方法 8.评价结果 9.进一步讨论 10.结论 附录A：测试结果

设计了一种基于深度迁移学习模型,对多种常见的可回收垃圾图像进行识别分类的垃圾图像分类系统.对比了VGG16、InceptionV3、InceptionResnetV2预训练模型的性能,最优识别正确率达到了90%以上,并进一步设计了基于Flask的Web应用调用模型.

基于深度迁移学习的小样本图像分类matlab程序，网络模型基于AlexNet，文件包含了图像数据集，输出结果可靠。