BackyardofAbela / SVM-faceRecognitionLinks
使用SVM进行人脸识别
☆23Updated 5 years ago
Alternatives and similar repositories for SVM-faceRecognition
Users that are interested in SVM-faceRecognition are comparing it to the libraries listed below
Sorting:
- 深度学习与PyTorch入门实战视频教程 配套源代码和PPT☆78Updated 6 years ago
- 基于SVM的简单机器学习分类,可以使用svm, knn, 朴素贝叶斯,决策树四种机器学习方法进行分类☆123Updated 2 years ago
- 这个仓库主要包含了LSTM、卷积神经网络中,注意力机制的实现。☆136Updated 4 years ago
- 图像二分类问题 猫狗大战 pytorch CNN☆138Updated 6 years ago
- Pytorch_Learning_Notes☆103Updated 8 months ago
- 使用HOG+SVM进行图像分类☆165Updated 6 years ago
- 基于tensorflow的的cnn卷积神经网络的图像识别分类☆126Updated 7 years ago
- CNN-BiGRU-Attention模型☆100Updated 3 years ago
- ResNet50 猫狗数据集训练☆33Updated 4 years ago
- 使用改良的Transformer模型应用于多维时间序列的分类任务上☆92Updated 4 years ago
- CNN 图像多分类问题☆27Updated 6 years ago
- Gitbook Address: https://app.gitbook.com/@nlpgroup/s/nlpnote/☆158Updated 4 years ago
- 机器学习预测系统汇总:包括贝叶斯网络、马尔科夫模型、线性回归、岭回归、多项式回归、决策树回归、深度神经网络预测☆83Updated 5 years ago
- 深度学习代码☆132Updated 6 years ago
- 吴恩达机器学习算法Python实现,附详细的代码注释。☆85Updated 5 years ago
- 基于pytorch框架,针对文本分类的机器学习项目,集成多种算法(xgboost, lstm, bert, mezha等等),提供基础数据集,开箱即用,方便自己二次拓展,持续更新☆33Updated 2 years ago
- 集成学习Stacking方法详解☆77Updated 6 years ago
- 支持向量机(SVM)——分类预测,包括多分类问题,核函数调参,不平衡数据问题,特征降维,网格搜索,管道机制,学习曲线,混淆矩阵,AUC曲线等☆53Updated 8 years ago
- 线性回归预测波士顿房价——机器学习经典问题☆38Updated 5 years ago
- 使用5-6个模型(可以是knn svm 贝叶斯等等)用投票的方式做一个集成学习对MNIST数据集进行分类。☆24Updated 6 years ago
- 【PyTorch】手把手教你跑通第一个神经网络☆271Updated 2 years ago
- Python 基于BP神经网络实现鸢尾花的分类☆365Updated 5 years ago
- Pytorch、Scikit-learn实现多种分类方法,包括逻辑回归(Logistic Regression)、多层感知机(MLP)、支持向量机(SVM)、K近邻(KNN)、CNN、RNN,极简代码适合新手小白入门,附英文实验报告(ACM模板)☆435Updated 5 years ago
- AI学习过程中的实操代码☆210Updated 5 years ago
- 数据特征工程、各种机器学习回归模型、回归数据预处理☆44Updated 5 years ago
- 机器学习预测模型,分别用逻辑回归,决策树,随机森林,神经网络,XGBOOST和支持向量机算法建模,交叉验证,并选出AUC最优的模型。特征工程优化后,AUC值达到0.8259☆56Updated 5 years ago
- ☆35Updated last year
- CNN卷积神经网络 交通标志识别☆124Updated 7 years ago
- 基于Python的PCA人脸识别算法的原理及实现代码详解☆82Updated 6 years ago
- 个人的技能树仓库,主要包含个人机器学习以及深度学习的笔记☆368Updated 4 years ago