ffffff666 / Deep_Learning-ComputerVision
一些深度学习的模型,基于TensorFlow,主要是卷积神经网络,完成计算机视觉中一些分类、检测、识别、图像处理等部分(之前的被我不小心删除了)
☆51Updated 7 years ago
Alternatives and similar repositories for Deep_Learning-ComputerVision
Users that are interested in Deep_Learning-ComputerVision are comparing it to the libraries listed below
Sorting:
- 基于tensorflow的的cnn卷积神经网络的图像识别分类☆126Updated 6 years ago
- 卷积神经网络(CNN)项目,给你一个狗的图像,你的算法将会识别并估计狗的品种☆28Updated 2 years ago
- 响应习大大的号召,进行垃圾分类。基于OpenCV和TensorFlow的生活垃圾图像分类识别。☆243Updated 5 years ago
- CNN卷积神经网络 交通标志识别☆121Updated 7 years ago
- 基于CNN的图像分类器,使用Kaggle的猫狗图片数据。☆15Updated 6 years ago
- 研一图像处理期末大作业:基于openCV的人脸识别☆37Updated 7 years ago
- 使用tensorflow和cnn做的图像识别,对四种花进行了分类。☆610Updated 5 years ago
- 猫狗识别分类(深度学习入门案例),使用了Tensorflow框架 和 CNN神经网络实现。附有超详细的代码注释,适合新手直接上手Run!☆201Updated 4 months ago
- 《数字图像处理》课程设计,基于深度学习的人脸识别项目。采用三层卷积池化+全连接神经网络☆17Updated 4 years ago
- 基于CNN学习ImageNet数据集,实现一个能识别狗品种的图像分类器☆15Updated 6 years ago
- 一个简单的图像分类识别器GUI,使用python GUI + tensorflow 封装官方inceptionV3模型,可以识别2W种物品,和动物。☆63Updated 4 years ago
- 基于卷积神经网络的猫狗识别 web 应用☆155Updated 2 years ago
- 数字图像处理大作业,图像细粒度分类,CUB-200-2011,Peking University☆70Updated 6 years ago
- 毕设-基于深度学习的人脸识别☆21Updated 5 years ago
- 第10组 基于卷积神经网络VGG垃圾图像分类☆16Updated 4 years ago
- 毕业设计 使用pytorch进行深度学习网络模型训练,实现车型识别☆105Updated 2 years ago
- 基于python编写的Keras深度学习框架开发,利用卷积神经网络CNN,快速识别图片并进行分类☆39Updated 6 years ago
- 基于 ResNet 的果蔬图像分类☆27Updated 2 years ago
- 机器学习课程大作业 - 基于深度神经网络的图像分类任务☆30Updated 7 years ago
- keras 图像识别☆109Updated 2 years ago
- 使用迁移学 习将resnet50用于垃圾分类,基于【华为云人工智能大赛·垃圾分类挑战杯】☆119Updated 5 years ago
- 基于CNN的车牌号识别☆132Updated 5 years ago
- 交通标志识别_CNN卷积神经网络实现☆23Updated 5 years ago
- 基于卷积神经网络(CNN)的人脸在线识别系统☆145Updated 11 months ago
- 基于TensorFlow实现CNN水果检测☆34Updated 6 years ago
- 通过目标检测+图片识别模型对图片中的垃圾进行分类、通过双向LSTM+一维卷积混合模型对物体名称进行垃圾分类☆47Updated 4 years ago
- 基于 ResNet 的花卉分类识别系统。A ResNet-based flower classification and recognition system.☆28Updated 2 months ago
- 基于深度学习的人脸识别系统☆61Updated 3 years ago
- 基于深度学习的车牌识别GUI项目☆33Updated 2 years ago
- 数字图像处理课程大作业_疲劳检测☆9Updated 3 years ago