![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
卷积神经网络(CNN)
文章平均质量分 77
就是求关注
程序搬运工
知识传播者
人工翻译员
视频替代者
就是求关注
程序搬运工
知识传播者
人工翻译员
视频替代者
就是求关注
程序搬运工
知识传播者
人工翻译员
视频替代者
就是求关注
展开
-
基于VGG的图像风格迁移算法实现及系统应用实现
图像风格迁移是计算机视觉领域的一个研究热点,它旨在将一幅图像的风格特征转移到另一幅图像上,被视为图像纹理转移问题。传统方法主要采用非参数方法,但局限于提取图像的底层特征,而不能捕捉到图像的高层抽象特征。随着卷积神经网络(CNN)的发展,图像风格迁移技术迎来了革新,其应用场景也变得更加广泛,涵盖视频处理、拍照美颜、社交沟通等多个领域。本文旨在实现基于CNN的图像风格迁移技术,并构建一个图像风格迁移的Web应用,从而使该技术能够更加广泛地应用于实际场景中。原创 2024-04-13 23:55:21 · 1124 阅读 · 0 评论 -
基于双分支残差结构的低光照图像增强研究与应用实现
LOL数据集是用于低光照图像增强的一个常用数据集。它是由Yue et al.在2015年发布的,用于评估低光照图像增强算法的性能。LOL数据集包含485对低光照图像和对应的正常光图像。每对图像都是在相同的场景下采集的,其中一张图像是低光照条件下的原始图像,另一张是由人工调整亮度和对比度后的正常光图像。LOL数据集的图像覆盖了各种场景和对象,包括室内和室外环境、自然风景、人物肖像等。这使得LOL数据集成为评估低光照图像增强算法的重要基准。原创 2023-05-31 22:56:36 · 1544 阅读 · 0 评论 -
基于ISIC数据集的皮肤病黑色素瘤分类研究与实现
ISIC数据集是一个公开的医学图像数据集,主要用于皮肤病诊断和研究。该数据集包含大量的皮肤病图像,覆盖了各种皮肤疾病和病变。ISIC数据集包含各种皮肤病图像,例如黑色素瘤(melanoma)、鳞状细胞癌(squamous cell carcinoma)、基底细胞癌(basal cell carcinoma)等。其数据集展示如下:ISIC数据集可以在其官方网站上免费获取和下载。它也是许多皮肤病诊断和研究项目的重要数据来源之一。原创 2023-05-30 21:57:23 · 4341 阅读 · 2 评论 -
基于卷积神经网络图像风格迁移系统的设计与实现(flask系统)
本文实现基于卷积神经网络(CNN)图像风 格迁移,并在此基础上实现了一个基于卷积神经网络(CNN)图像风格迁移的 Web 应用,该应用实现了在 Web 上进行快速图像风格迁移的功能以及美图欣赏等功能。原创 2023-02-20 15:53:41 · 2045 阅读 · 0 评论 -
基于残差神经网络的交通标志识别算法研究与应用实现
在本项目项目中,我们将构建一个深度神经网络模型,并将其命名为residual_attention_network,即在残差网络的基础上引入注意力机制,并在 GTSRB交通标志数据集上进行实验,实验结果 表明改进后的残差网络在识别准确率上有明显提高,该模型经过训练可以将图像中存在的交通标志分类为不同的类别。有了这个模型,我们能够设计实现一个GUI识别上传的交通标志,这对自动驾驶汽车来说是一项非常有意义的任务。原创 2023-01-02 14:12:58 · 1782 阅读 · 5 评论 -
基于图像分割的疲劳检测方法研究
随着社会的不断进步,汽车已经成为了当今世界拥有主宰地位的交通工具。然而汽车数量的上升同时也导致交通事故数量猛增,由司机疲劳驾驶引起的交通事故的发生频率更是不断攀升。疲劳的复杂性引起了各个学科的研究者广泛关注,传统的疲劳评估方法不仅需要精密的设备,而且耗费大量时间。当前大多数基于图像识别的疲劳检测主要围绕复杂工况下的驾驶员瞳孔位置检测、眼睛状态识别或基于整体的面部疲劳表情识别展开研究。但是这些方法不足以完全对人的疲劳程度进行提取并精准预测。 因此,本文提出了一个方法就是围绕人脸部的黑原创 2022-12-28 21:26:16 · 453 阅读 · 0 评论 -
基于迁移学习的睡意检测报警系统
驾驶员的困倦和疲劳是道路事故的重要原因之一,每年它们都会导致出现车祸,造成人员死亡。在本文中,本文基于迁移学习使用MobileNet模型训练了基于人脸的闭眼检测算法,迁移学习模型MobileNet在训练集上的准确率约为99%,测试集上的准确率为96%。接着结合flask系统开发技术设计实现了睡意检测报警系统(Web应用程序),该系统可以点击打开笔记本电脑自带的摄像头,如果测试中的人脸出现闭眼5s以上,则会发出警报声响。原创 2022-12-27 22:08:57 · 273 阅读 · 0 评论 -
基于人脸关键点检测的驾驶员睡意检测系统
驾驶员注意力不集中或者分心是道路交通事故的主要原因。 为了减少道路交通事故,设计开发驾驶员疲劳检测系统至关重要。 本研究利用人脸关键点检测方法提出了驾驶员睡意检测系统,目的是使驾驶更安全。本次实现的应用运用开源库Dlib训练好的模型“shape_predictor_68_face_landmarks.dat”进行68点标定,利用OpenCv进行图像化处理,在人脸上画出68个点,并标明序号。当检测到驾驶员的眼睛闭上4-5 秒时候,就会产生警报。原创 2022-12-26 21:26:21 · 1914 阅读 · 1 评论 -
课设项目之——教学辅助系统(学生考试监考系统)
在考试场中为学生监考十分枯燥,因此,建立一个可靠的作弊检测系统来识别学生是否存在作弊行为。原创 2022-12-13 11:34:16 · 1138 阅读 · 0 评论 -
使用 CNN 进行森林火灾检测
该模型可用于从森林的监控录像中检测火灾或火灾的开始或者未发生火灾。 该模型可以实时应用于低帧率监控视频(火灾移动速度不是很快的监控视频),并在发生火灾时发出警报。原创 2022-09-14 16:26:55 · 923 阅读 · 0 评论 -
基于深度学习方法的头盔佩戴检测研究与系统实现
随着经济与社会的发展,各大城市车辆保有量不断提高,越来越多的人选择乘车出行,非机动车事故问题也越来越 严重。驾驶人不得在乘坐人员未按照规定使用安全头盔的情况下驾驶摩托车。因此,检测非机动车驾驶员与乘坐者是否佩戴头盔对生命财产安全至关重要。本文采用深度学习的方法,结合 YOLOv4 模型的特点,建立相应头盔检测神经网络模型,在搭建的神经网络各层次中调整偏置项,进而训练得到有效的神经网络模型,实现检测非机动车驾驶 人是否戴头盔的功能,即实现头盔识别,并保证其较高的精确度。...原创 2022-08-30 21:44:48 · 2989 阅读 · 0 评论 -
一种用于COVID-19检测的轻量级深度学习模型实现
本文提出了一种轻量级深度学习模型,以准确筛查COVID-19肺炎的可能性。该模型基于14层卷积神经网络(CNN)和改进的空间金字塔池化模块(SPP),通过使用SPP的并行池层替换原始网络的最后几层来嵌入多尺度特征向量,实现的模型对各种输入尺度图像具有鲁棒性,能够适应各种大小的X射线图像,并捕获其中的图像特征。所构建的模型结构具有对多尺度输入图像进行特征提取的能力,使其能够识别各种严重程度的COVID-19疾病。根据实验结果,所提出的SPP-COVID-Net得到了0.946的精度.............原创 2022-08-10 23:38:45 · 940 阅读 · 0 评论 -
杏仁损伤检测器——基于CNN的图像分类
在这个项目中,我们创建了一个基于flask的应用程序来对上传的杏仁图像进行分类。首先,我们训练了卷积神经网络(CNN)并保存了模型参数,用于图像的结果预测。为了简单起见,最初为杏仁类型创建了正常和破损两种数据。...原创 2022-08-09 14:57:15 · 1038 阅读 · 0 评论 -
PSO-CNN模型研究与实现-PSO优化模型内部超参数
深度神经网络(DNN)在各种任务中取得了前所未有的成功,但是,这些模型性能直接取决于它们的超参数的设置。在实践中,优化超参数仍是设计深度神经网络的一大障碍。在这项工作中,我们建议使用粒子群优化算法(PSO)来选择和优化模型参数。在MNIST数据集上的实验结果显示:通过PSO优化的CNN模型可以得到不错的分类精度,此外,PSO 还可以提高现有模型结构的性能,PSO是自动化超参数选择和有效利用计算资源的有效技术。......原创 2022-08-08 10:13:45 · 4086 阅读 · 2 评论 -
复杂背景下卷积神经网络在森林火灾识别中的研究与应用-代码实现
针对森林火灾的特点,提出并设计一种基于卷积神经网络的森林火灾图像识别方法。通过实验,给出用于复杂背景下森林火灾识别的卷积神经网络结构,并对该结构进行训练和测试。结果表明,该方法具备较高的正确率,正确率达到 95% 。同时网络可自动提取特征,无需对输入图像进行复杂预处理,克服了传统算法许多固有的缺点,将其应用在森林火灾识别领域取得了很好的效果。最后,我们结合flaks框架构建了一个森林大火识别的API,在该系统下,我们通过后端调用模型,在页面中选择上传的图片,便可获得预测结果。...原创 2022-08-04 11:32:05 · 2344 阅读 · 3 评论 -
基于OpenCV的人脸识别签到系统
本文从实际背景和需求出发,采用人脸识别签到考勤改变了传统人工检验的做法,极大提高了组织效率和办事能力,在基于人脸识别技术的考勤签到系统中,在保证图像数据识别率的前提下有较高的实时性,稳定性若能良好的普及应用,对于大学校园教育的发展有着极大的积极意义。原创 2022-05-18 13:43:10 · 1913 阅读 · 0 评论 -
基于ResNet50的植物病害识别研究与系统应用实现
1.摘要近年来, 农作物病害已经成为影响其产量的最主要因素之一, 专家对于病害的识别虽然较为准确, 但是并非随时随地都可以得到专家的指导, 并且人工指导还具有识别速度慢、 实时性差的缺陷。因此,植物叶片病害的检测与识别对植物的保护与研究有着重大意义。传统的植物叶片病害识别方法通常利用叶片病斑图像的颜色、形状、纹理等特征进行识别分类。深度学习作为现在图像处理领域的研究热点,可以很好地运用在植物叶片病害的检测与识别中。能有效地提高农业领域的竞争性, 降低农业成本, 实现农业的自动化, 并提高农业生产的效率。原创 2022-02-17 23:38:26 · 6638 阅读 · 0 评论 -
毕业设计之—基于Spatial Dropout-GRU和TextCNN的中文影评情感分析
1.摘要随着社交网络的兴起,更多人选择在网络上发表自己对影视作品的观点,这为影视投资人了解观众对电影的反馈提供了更方便的途径.例如,豆瓣影评中包含了海量用户或积极或消极的情感观点,而分析豆瓣影评的情感倾向能够辅助投资人进行决策,提升作品质量.大量数据分析必须借助计算机技术手段完成,其中情感分析是自然语言处理(natural language processing,NLP)的一个方向,常用来分析判断文本描述的情绪类型,因此也被称为情感倾向分析.为了提高影评情感分类的准确率,本文实现了Spatial Dro原创 2021-12-13 23:14:25 · 2017 阅读 · 0 评论 -
(Spatial Pyramid Pooling,SPP)空间金字塔池化讲解及代码实现
一、引言问题:现存的CNN要求固定尺寸的输入图片,需要通过对原图进行裁剪或者变形来实现,这两种方式可能出现不同的问题:(i)裁剪的区域可能没法包含物体的整体;(ii)变形操作造成目标无用的几何失真。如果识别目标尺寸变化多样,那么提前定义好的尺寸就可能不太适合。产生原因:CNN主要由卷积层和全连接层组成,其中卷积层输出尺寸为一个关于输入大小的变量,而全连接层则产生固定大小的输出,也需要固定大小的权重和输入,所以CNN网络的限制在全连接层需要固定长度的输入。解决方案:SPP,Spytial Pyram原创 2021-12-07 23:52:07 · 5206 阅读 · 0 评论 -
毕业设计之—基于CNN的手势识别技术研究与游戏应用实现
1.摘要 手势操作作为一种全新的操作方式,在智能设备中得到了广泛应用。传统的手势识别方法需要复杂的预处理过程,识 别速度与准确度比较差。文章提出一种基于CNN的手势识别技术,取得了较好的识别效果,识别速度也有明显的提升。最后我们将本文设计实现的手势识别技术应用到玩Chrome 浏览器 Dino Jump 游戏上,将“Punch(冲拳手势)”手势与 Dino 角色的跳跃动作绑定在一起进行玩向前跳跃游戏。 2. CNN概述 随着人工智能技术的快速发...原创 2021-10-29 00:30:36 · 6970 阅读 · 4 评论 -
基于VGG的图像多标签分类算法详解及实践
摘要将深度学习与人物穿着上的服装图像分类结合是目前的研究热点之一,然而目前对服装图像分类主要是分成单个标签单独处理。在现实生活中,随着网络购物等服装商务新模式的出现、复杂决策的迫切需要,单标签服装图像分类已经不能解决问题,多标签服装图像分类成为一个重要的学习问题,展现出巨大的应用价值。多标签服装图像分类的目标是预测每张服装图像的一组服装属性标签。1.多标签分类定义multi-label classification problem:多标签分类(或者叫多标记分类),是指一个样本的标签数量不..原创 2021-09-09 22:55:56 · 4065 阅读 · 3 评论 -
基于VGG-16的脑肿瘤检测与应用实现(代码详解)
1.摘要在 21 世纪,医疗保健提供者在脑肿瘤治疗以及对患者体内肿瘤的存在范围进行定性评估和确诊方面面临着重大挑战。无创磁共振成像 (MRI) 技术已成为无任何电离辐射的脑肿瘤的主要诊断工具。从MRI图像中进行确诊和手动特征提取脑肿瘤范围方法是一项非常耗时的任务,并且受限于操作者的经验,容易出现人为错误。尽管对疾病的化疗和治疗方法取得了一定的进步,但在临床对该疾病的确诊中仍旧存在一定的限制,因此需要对(脑)癌检测的工具进行优化,以便获得更为精准的召回率和准确率。计算机视觉和深度学习技术在最新进展中可用于原创 2021-06-28 21:59:29 · 1966 阅读 · 3 评论 -
基于CNN-LSTM的手写数字识别与应用实现(附tensorflow代码讲解)
摘要CNN卷积神经网络是图像识别和分类等领域的前沿研究方法.由于CNN模型训练效果与实际测试之间存在较大的差距,为提高自由手写数字的识别率,尝试使用TensorFlow搭构CNN网络模型,在完成MNIST数据集训练的基础上实现对自由手写数字的识别,并根据两种样本状态的差别和识别结果提出效果分析及改进方法,实验证明该改进方法获得明显效果....原创 2021-06-18 23:44:53 · 4529 阅读 · 6 评论 -
基于改进注意力机制的U-Net模型实现及应用(keras框架实现)
1.摘要上节我们基于U-Net模型设计并实现了在医学细胞分割上的应用(ISBI 挑战数据集),并给出了模型的详细代码解释,在上个博客中,我们为了快速训练U-Net模型对其进行了缩减,将庞大的U-Net的转换为很小&的结构,导致其准确率才达到75%左右。为了进一步提高U-Net模型在细胞分割上的准确率,本文将主要研究两个方面:一是基于U-Net的原始模型结构进行改进,引入卷积注意力机制模块(CBAM)和FocalTversky损失函数;二是引入深监督方法(DEEP SUPERVISION)及多尺.原创 2021-06-09 23:50:17 · 9918 阅读 · 8 评论 -
DAMU-Net模型参数结构图
原创 2021-06-09 23:48:24 · 1010 阅读 · 0 评论 -
加入卷积注意力机制和深监督方法的U-Net 模型(keras实现版本)
深监督(DEEP SUPERVISION)所谓深监督(Deep Supervision),就是在深度神经网络的某些中间隐藏层加了一个辅助的分类器作为一种网络分支来对主干网络进行监督的技巧,用来解决深度神经网络训练梯度消失和收敛速度过慢等问题。模型代码:def attn_reg_ds(opt,input_size, lossfxn): img_input = Input(shape=input_size, name='input_scale1') conv1 = UnetCon.原创 2021-06-09 22:52:36 · 3643 阅读 · 4 评论 -
加入卷积注意力机制的U-Net 模型(keras实现版本)
注意力机制的代码:def AttnGatingBlock(x, g, inter_shape, name): shape_x = K.int_shape(x) # 32 shape_g = K.int_shape(g) # 16 theta_x = Conv2D(inter_shape, (2, 2), strides=(2, 2), padding='same', name='xl'+name)(x) # 16 shape_theta_x = K.int_sh原创 2021-06-09 22:35:50 · 3870 阅读 · 3 评论 -
基于U-Net的的图像分割代码详解及应用实现
摘要u-net是卷积网络体系结构,用于快速,精确地分割图像。U-Net是一种卷积神经网络(CNN)方法,由Olaf Ronneberger,Phillip Fischer和Thomas Brox于2015年首次提出,其建议是对生物医学图像进行更好的分割。...原创 2021-05-30 23:34:31 · 12362 阅读 · 15 评论 -
基于卷积神经网络的口罩佩戴识别与检测
摘要MobileNetV2模型概述与识别结果分析1.基础理论--深度可分离卷积(DepthWise操作)2.MobileNetV1遗留的问题3.MobileNet V2的创新点4.本文网络结构及代码实现5. 实验结果分析应用:口罩检测识别结束参考文献摘要在当前情况下,没有高效的口罩检测应用程序和相关高质量标注数据集,因此想对运输、人口稠密地区,居民区,大型商场实现自动口罩佩戴检测是一个亟需解决且非常有意义的问题,而且,由于缺少“ 带口罩”图像的大型数据集,因此该任原创 2021-03-15 01:02:01 · 7085 阅读 · 6 评论 -
基于迁移学习的脑肿瘤自动检测研究与系统实现
摘要针对深度学习训练成本高,以及基于磁共振图像(Magnetic Resonance Imaging ,MRI)的脑肿瘤临床诊断需要大量医学常识且极为耗时的问题,本文提出了一种基于迁移学习(Transfer Learning,TL)的卷积神经网络(Convolutional Neural Network,CNN)和磁共振图像的脑肿瘤自动分类诊断方法。该网络以VGG-16加载模型的预训练权重作为前网络,用于增强图像特征提取能力,以基于ResNet改进的CNN网络结构作为后网络,用于对脑肿瘤区域病变进行分类原创 2021-01-21 00:23:20 · 1492 阅读 · 5 评论 -
基于卷积神经网络的实体关系抽取(SemEval-2010 Task-8数据集)
摘要关系抽取旨在识别命名实体之间的语义关系.作为自然语言处理中信息抽取的重要子任务,是构建知识图谱,实现语义搜索,建立智能问答系统等应用领域必不可少的关键技术,具有极其重要的研究价值.关系抽取研究的热点经历了知识工程,传统机器学习,深度学习三个不同阶段.本文研究了卷积神经网络应用于实体关系抽取的应用,采用了SemEval-2010 Task 8数据集作为实验测试数据,使用GloVe对句子进行词向量表示,接着获取两个实体之间的距离特征共同作为Embedding层输入,通过拼接的方式将两种特征融合,最后用s原创 2021-01-11 01:09:16 · 3343 阅读 · 3 评论 -
图神经网络(Graph Neural Networks,GNN)综述与相关应用概述
摘要近年来,由于神经网络在模式识别和数据挖掘领域的应用和其易用性,神经网络已获得了巨大的普及。诸如CNN、RNN和自动编码器之类的模型将深度学习技术应用于诸如对象检测和语音识别之类的任务,为神经网络的研究和开发带来了无限潜力。深度学习在图像、文本和视频等数据上的应用非常容易,因为它们基于欧几里得数据。对于将数据表示为对象之间关系非常复杂的图形(非欧几里得)的应用程序呢?这是我们引入图神经网络(GNN)概念的地方。在本文中,我们将研究图和GNN的定义和基础,并了解图神经网络的一些最新应用。一、什么是原创 2021-01-10 17:26:23 · 6238 阅读 · 0 评论 -
基于AlexNet和Inception模型思想的TFCNet模型设计与实现
摘要为了提高卷积神经网络解决图片分类问题的准确率及深度模型的训练速度,受AlexNet和Inception模块的启发,我们基于AlexNet模型的深度结构及Inception模型的宽度结构(特征的链接)设计实现了具有特征链接操作的深度神经网络模型,我们称之为Tensor Feature Concatenate base onConvolutional Neural Networks(简称为TFCNet)。我们在ImageNet dataset数据集自构建数据上进行了测试,实验结果显示,相比于VGG-1.原创 2020-12-19 02:39:23 · 862 阅读 · 3 评论 -
AlexNet模型思想详解及核心代码实现
摘要AlexNet是2012年ImageNet竞赛冠军获得者Hinton和他的学生Alex Krizhevsky设计的。也是在那年之后,更多更深的神经网络被提出,网络开始往深水区涉入,比如优秀的vgg,GoogLeNet等。AlexNet是在LeNet的基础上加深了网络的结构,学习更丰富更高维的图像特征。本文将详细概述AlexNet的特点及核心思想,最后给出相关的代码实现。AlexNet模型的核心思想问题LeNet是卷积神经网络的祖师爷LeCun在1998年提出,用于解决手写数字识别的视觉.原创 2020-12-18 22:35:18 · 4676 阅读 · 1 评论 -
Inception模型思想详解及核心代码实现
摘要Inception 网络是 CNN 分类器发展史上一个重要的里程碑。在 Inception 出现之前,大部分流行 CNN 仅仅是把卷积层堆叠得越来越多,使网络越来越深,以此希望能够得到更好的性能。但是越深的模型存在一些问题:1是在训练数据集有限的情况下,参数太多,容易过拟合。2是网络越大计算复杂度越大,难以应用。3是网络越深,梯度越往后穿越容易消失(梯度消失),难以优化模型。因此,Inception模型在这样的情况下应运而生。Inception模型的思想一句化:复用更多特征,而非目标于精准化原创 2020-12-18 21:43:47 · 5693 阅读 · 3 评论 -
CNN+LSTM 的模型结合(keras代码实现)
CNN-LSTM模型运行环境:python3.6.5 、Keras2.1.5 、tensorflow 2.3.1等from keras.preprocessing import sequencefrom keras.models import Sequentialfrom keras.layers import Dense, Dropout, Activationfrom keras.layers import Embeddingfrom keras.layers import LSTM.原创 2020-12-05 23:32:03 · 41423 阅读 · 16 评论 -
基于深度残差收缩网络的手写汉字识别实验及系统实现
摘要手写汉字识别作为人机交互的重要部分,解决这一关键难题具有非常重要的实用价值。汉字识别由于类别数量巨大,字形结构复杂,同时存在大量字形相似的汉字,书写方式因人而异等,在模式识别领域一直是难点和研究热点。深度学习模型卷积神经网络(Convolutional Neural Networks, CNNs)具有自动获取样本概率分布或者学习样本特征的优势,可以避免手写汉字字形特征提取的难题,其在在脱机手写汉字识别领域取得了杰出的研究成果。但深层次的复合模型又具有训练困难的难题,其计算复杂度比较大。(特征太多)本原创 2020-11-08 22:51:52 · 1785 阅读 · 1 评论 -
动态池化方法实现函数
def fold_k_max_pooling(self, x, k): input_unstack = tf.unstack(x, axis=2) out = [] with tf.name_scope("fold_k_max_pooling"): for i in range(0, len(input_unstack), 2): fold = tf.add(input_unstack[i], inp..原创 2020-11-05 23:38:00 · 524 阅读 · 0 评论 -
CNN+SVM模型实现图形多分类任务(SVM替换softmax分类器)
目录摘要模型构建读取数据集:CNN模型构建:模型结构:训练模型:结果对比分析:结束:摘要为解决采用 softmax 作为卷积神经网络分类器导致图形分类识别模型泛化能力的不足,不能较好适用图像分类等问题,本次博客使用SVM代替CNN网络的softmax分类层,即CNN提取特征后利用SVM进行分类。为了验证模型更改后的效果,本次在随机构建的垃圾分类数据集上做了一...原创 2020-05-03 01:19:40 · 19835 阅读 · 32 评论 -
ResNet残差神经网络原理详解与ResNet50代码实现详解(附keras代码实现详解)
摘要:resnet神经网络原理详解resnet为何由来:resnet网络模型解释resnet50具体应用代码详解:keras实现resnet50版本一:keras实现resnet50版本二:参考文献:摘要:卷积神经网络由两个非常简单的元素组成,即卷积层和池化层。尽管这种模型的组合方式很简单,但是对于任何特定的计算机视觉问题,可以采用无限种方式设...原创 2020-04-28 22:20:33 · 15710 阅读 · 3 评论