1.基于cnn卷积神经网络的yolov8动物姿态估计识别(训练+代码)基于CNN(卷积神经网络)的YOLOv8模型在动物姿态估计识别方面是一种有效的解决方案。 YOLO(You Only Look Once)系列模型因其在实时目标检测中的高效性能而广受欢迎,YOLOv8是在YOLO家族中的一个更新版本,继承并改进了其前身YOLOv5的优点,增强了对于姿态估计任务的支持 ...https://blog.csdn.net/qq1309399183/article/details/143897352
2.基于卷积神经网络的宠物狗种类识别宠物狗种类识别卷积神经网络图像识别 在线出版日期: 2019-09-18(万方平台首次上网日期,不代表论文的发表时间) 页数: 2(21-22) 参考文献 (1) 排序: 被引频次 [1]周飞燕,金林鹏,董军.卷积神经网络研究综述[J].计算机学报.2017,(6).DOI:10.11897/SP.J.1016.2017.01229. ...https://d.wanfangdata.com.cn/periodical/shanddz201908010
3.基于卷积神经网络的猫狗图像识别实验神经网络猫狗图像分类基于卷积神经网络的猫狗图像识别实验 神经网络猫狗图像分类 该例程使用数据集来源于 kaggle cat_VS _dog 数据集中的一部分, 用卷积神经网络实现猫狗图片二分类,例程序比较简单,就不多解释了,代码中会有相应的注释,直接上代码: import numpy as np import pandas as pd...https://blog.51cto.com/u_16213643/9476142
4.GitHub该项目是基于 Keras 的猫狗识别 web 应用。 数据集是来自 Kaggle 上的猫狗大赛数据集,其中训练集 train 包含了猫的图片 12500 张以及狗的图片 12500 张,测试集 test 包含了猫狗的图片 12500 张。本项目采用了基于 Keras 的自己构造的 cnn 网络训练以及 Keras 中的 VGG16 卷积神经网络模型来进行训练数据,比较...https://github.com/teddyisme/catvsdog
5.基于卷积神经网络与迁移学习的国兰种类识别基于上述背景和现状,本文采用基于Inception-Res Net-v2网络与迁移学习的技术来完成国兰图像分类识别的研究。本文主要进行的工作流程和内容如下:(1)针对目前缺乏高质量可用的公开国兰图像数据集这一情况,通过网络下载辅以实地拍摄和书籍扫描等方法对国兰图像进行采集和整理,建立了5种共计1982张传统种类国兰数据集A和8种...https://wap.cnki.net/touch/web/Dissertation/Article/10341-1021050063.nh.html
6.Python通过TensorFlow卷积神经网络实现猫狗识别python设计神经网络 进行训练测试 1. 数据处理 将图片数据处理为 tf 能够识别的数据格式,并将数据设计批次。 第一步get_files()方法读取图片,然后根据图片名,添加猫狗 label,然后再将 image和label 放到 数组中,打乱顺序返回 将第一步处理好的图片 和label 数组 转化为 tensorflow 能够识别的格式,然后将图片裁剪和补充...https://www.jb51.net/article/157813.htm
7.基于卷积神经网络的手势识别算法摘要:手势识别是人机交互、智能假肢、医疗康复等领域的研究热点。为了满足手势识别实时性和准确性的需求,本文以成本较小的加速度信号作为数据,在对LeNet-5卷积神经网络进行分析的基础上,提出了一种适合加速度信号的LeNet-A网络。该网络针对基于加速度的手势分类特有的复杂性,增加Dropout层,改变卷积核大小、卷积核数量...https://hdlgxb.ecust.edu.cn/html/published/2018/2/20180218.html
8.一种基于卷积神经网络的小篆识别方法.docx一种基于卷积神经网络的小篆识别方法摘要小篆是我国古代的一种书法艺术形式,在汉字书法发展史上占有重要的地位。针对小篆识别问题,本文提出了一种基于卷积神经网络的小篆识别方法。首先,我们构建了一个包含大量小篆样本的数据集,对其进行预处理和特征提取,并基于这些特征采用卷积神经网络进行训练与测试。实验结果表明,所提出...https://m.renrendoc.com/paper/294541798.html
9.基于双分支特征融合卷积神经网络的高分辨距离像船只目标识别*基于双分支特征融合卷积神经网络的高分辨距离像 船只目标识别* 朱思键 1,2 齐向阳 1? 范怀涛 1 (1.中国科学院空天信息创新研究院,北京,100190;2.中国科学院大学电子电气与通信工程学院,北京,100049) (2023 年 11 月 6 日收稿;2024 年 3 月 28 日收修改稿) 朱思键,齐向阳,范怀涛. 基于双分支特征融合...http://journal.ucas.ac.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=13378