PyCNN：使用Python的细胞神经网络进行图像处理
细胞神经网络（CNN） 是最早在1988年细胞神经网络提出类似于神经网络，与该通信在相邻单元之间只允许的差的平行计算模式。 图像处理是其。 CNN处理器旨在执行图像处理； 具体来说，CNN处理器的原始应用是执行数字处理器无法实现的实时超高帧速率（> 10,000 frame / s）处理。
这个python库是CNN的实现，用于图像处理。
注：该库已在发表的研究被引用，寻找在参考部分中引用＃19。 我很高兴这个图书馆可以为社区提供帮助。
注意：不得将细胞神经网络（CNN）与完全不同的卷积神经网络（ConvNet）混淆。
如上图所示，想象一个带有反馈回路的控制系统。 f（x）是分段线性S型函数。 控制（模板B）和反馈（模板A）模板（系数）是可配置的，并控制系统的输出。 在确定常用图像处理技术的模板方面已经进行了重大研究，这些模板已发布在此。
进一步阅读：
动机
这是2014年第14届细胞纳米级网络和应用（CNNA）大会上演示的扩展。我写了一篇博客文章，可在。 我的论文使用了该库在IEEE Xplore中发布了一个。
依存
2023-02-13 11:29:35
423KB
1
首先对细胞神经网络(CNN)的基本模型作了简要论述,在对连续时间CNN离散化的基础 上,将连通单元检测与阴影检测相结合，提出了一种基于CNN文字识别的特征提取技术，并进行 了计算机的仿真试验，得到了良好的结果。
2023-02-13 11:22:05
171KB
1
安全技术-网络信息-时滞细胞神经网络的周期解概周期解和全局指数稳定性.pdf
2022-04-29 21:00:37
3.36MB
利用细胞神经网络(CNN)模型导出了一种新的彩色图像边缘检测算法。为了充分利用图像中的颜色信息, 在RGB 彩色空间中用Mahalanobis 距离来度量象素之间的差异。为了解决常规边缘提取方法输出二值结果的缺点, 采用可以多值输出的CNN 来进行彩色图像边缘检测。通过Mahalanobis 距离对灰度CNN 度量象素差异的方式进行改进, 使其可以在RGB 彩色空间中进行运算。通过与Sobel、Log 和Canny 等几种边缘检测算子比较, 可以看出新方法的结果更加符合人眼的感知。此外, 在含有丰富细节和微小变化的区域, 新方法可以取得更好的结果。
2021-12-18 19:18:18
416KB
1
如今，CNN 在解决工程问题方面变得越来越有用。 这个模拟是为了帮助你理解 LO Chua 和 Yang 提出的最初想法。 在更改参数值之前，请仔细阅读 Readme.txt，原始文件。
2021-10-28 14:48:39
130KB
1