深度学习之基于Tensorflow的卷积神经网络手写数字识别系统 2024-05-22 python, cnn, tensorflow, 深度学习, 人工智能 13人 已看 一、项目背景手写数字识别是计算机视觉和模式识别领域的一个重要问题。传统的识别方法往往依赖于复杂的特征工程和模型设计，难以应对复杂的识别任务。近年来，随着深度学习技术的快速发展，特别是卷积神经网络（CNN）的广泛应用，手写数字识别问题得到了有效的解决。本项目旨在利用TensorFlow框架，基于卷积神经网络构建一个高效、准确的手写数字识别系统。二、项目目标本项目的主要目标是构建一个能够实时识别手写数字的系统，该系统能够自动从输入的手写数字图像中提取关键特征，并准确地分类出对应的数字。
深度学习之基于Tensorflow的卷积神经网络手写数字识别系统 2024-05-22 python, cnn, tensorflow, 深度学习, 人工智能 17人 已看 一、项目背景手写数字识别是计算机视觉和模式识别领域的一个重要问题。传统的识别方法往往依赖于复杂的特征工程和模型设计，难以应对复杂的识别任务。近年来，随着深度学习技术的快速发展，特别是卷积神经网络（CNN）的广泛应用，手写数字识别问题得到了有效的解决。本项目旨在利用TensorFlow框架，基于卷积神经网络构建一个高效、准确的手写数字识别系统。二、项目目标本项目的主要目标是构建一个能够实时识别手写数字的系统，该系统能够自动从输入的手写数字图像中提取关键特征，并准确地分类出对应的数字。
深度学习之基于Tensorflow的卷积神经网络手写数字识别系统 2024-05-22 python, cnn, tensorflow, 深度学习, 人工智能 14人 已看 一、项目背景手写数字识别是计算机视觉和模式识别领域的一个重要问题。传统的识别方法往往依赖于复杂的特征工程和模型设计，难以应对复杂的识别任务。近年来，随着深度学习技术的快速发展，特别是卷积神经网络（CNN）的广泛应用，手写数字识别问题得到了有效的解决。本项目旨在利用TensorFlow框架，基于卷积神经网络构建一个高效、准确的手写数字识别系统。二、项目目标本项目的主要目标是构建一个能够实时识别手写数字的系统，该系统能够自动从输入的手写数字图像中提取关键特征，并准确地分类出对应的数字。
卷积神经网络（CNN）详细介绍及其原理详解 2024-05-23 cnn, 机器学习, 深度学习, 人工智能, 神经网络 29人 已看 卷积神经网络通过卷积层和池化层提取输入数据的特征，并通过全连接层进行分类或回归任务。其结构和工作原理使其在图像识别和计算机视觉领域表现出色。希望本文的详细介绍和实例能帮助读者更好地理解CNN的原理和应用。
深度学习之基于Matlab卷积神经网络人脸表情识别系统 2024-05-18 cnn, 机器学习, 深度学习, 人工智能, 神经网络 19人 已看 一、项目背景与意义人脸表情识别是计算机视觉领域中的一个重要研究方向，其应用广泛，包括人机交互、智能监控、医疗诊断等。随着深度学习技术的快速发展，卷积神经网络（Convolutional Neural Networks, CNN）在图像识别任务中取得了显著成果。本项目旨在利用Matlab和卷积神经网络构建一个人脸表情识别系统，实现对人脸表情的自动分类和识别。二、技术原理本项目采用卷积神经网络作为核心算法，通过深度学习的方法自动学习人脸表情的特征。
深度学习之基于Tensorflow卷积神经网络遮挡人脸识别考勤签到系统 2024-05-21 python, cnn, tensorflow, 深度学习, 人工智能 23人 已看 一、项目背景与目标随着深度学习技术的发展，人脸识别技术已广泛应用于各个领域。然而，在实际应用中，人脸遮挡问题常常给识别带来挑战。本项目旨在利用Tensorflow框架构建卷积神经网络（CNN），开发一个能够应对遮挡人脸识别的考勤签到系统，提高识别的准确性和鲁棒性。二、技术原理与特点Tensorflow框架：本项目采用Tensorflow深度学习框架，利用其强大的计算能力和灵活的编程接口，实现卷积神经网络的构建、训练和部署。卷积神经网络（CNN）：CNN是一种特别适合处理图像问题的神经网络。
深度学习基于Tensorflow卷积神经网络VGG16的CT影像分类 2024-05-17 cnn, tensorflow, 深度学习, 人工智能, 分类 17人 已看 一、项目背景在医疗影像诊断领域，CT（Computed Tomography）影像因其高分辨率和三维成像能力，成为医生诊断疾病的重要工具。然而，人工分析大量的CT影像数据既耗时又容易出错。因此，开发自动的CT影像分类系统对于提高诊断效率、减少人为错误具有重要意义。本项目旨在利用深度学习技术，特别是基于TensorFlow框架的VGG16卷积神经网络模型，实现CT影像的自动分类。二、项目目标。
YOLOv8改进 | 卷积模块 | 用DWConv卷积替换Conv【轻量化网络】 2024-05-18 yolo, cnn, 深度学习, pytorch, 神经网络 151人 已看 YOLOv8改进，yolov8，yolov8创新，yolov8涨点
深度学习基于Tensorflow卷积神经网络VGG16的CT影像分类 2024-05-17 cnn, tensorflow, 深度学习, 人工智能, 分类 13人 已看 一、项目背景在医疗影像诊断领域，CT（Computed Tomography）影像因其高分辨率和三维成像能力，成为医生诊断疾病的重要工具。然而，人工分析大量的CT影像数据既耗时又容易出错。因此，开发自动的CT影像分类系统对于提高诊断效率、减少人为错误具有重要意义。本项目旨在利用深度学习技术，特别是基于TensorFlow框架的VGG16卷积神经网络模型，实现CT影像的自动分类。二、项目目标。
卷积神经网络边缘识别 2024-05-13 cnn, 机器学习, 深度学习, 人工智能, 神经网络 17人 已看 是基于图片相似度比较，两张图片的点击越大说明两张图片越像，比如我们那狗胡子的图片去比较，如果相似度很高，就是认为这个动物更像狗。点积越大，图片越相似，这个比较好理解，图片在计算机中存储就是位图，每个像素通过 0、1 来表示，如果两张图一样，把所有对应的元素相乘然后结构相加，和一定是最大的。通过修改卷积核的值可以识别到图像的特征，卷积神经网络在训练过程会不断的更新参数值，最终让模型的输出与损失函数之间的差值最小。在训练完成卷积神经网络中，通常第一层会进行边缘的识别，而后边每一层会识别更抽象的特征。
