kangyuzhe666 / tensorflow-slim-picture-classification
Use tensorflow-slim for image classification. Use the food-101 dataset to train your own image classification model.
☆20Updated 5 years ago
Related projects ⓘ
Alternatives and complementary repositories for tensorflow-slim-picture-classification
- 'Digitized Human Body' Visual Challenge - Intelligent Diagnosis of Cervical Cancer Risk 天池大赛项目：“数字人体”视觉挑战赛-宫颈癌风险智能诊断☆32Updated 4 years ago
- 此库为2017-2018年度工程实践项目，主要目的是能够识别图像类别，尤其是医学类，然后在医学类中再进行更为细致的类别识别，以达到医学影像这一垂直领域的应用目的。☆80Updated 3 years ago
- 谷歌INCEPTION-RESNET-V3迁移学习实现图像二分类判断图像是否生病☆17Updated 6 years ago
- 天池比赛-肺部CT多病种智能诊断-全球数据智能大赛(2019)“数字人体”赛场一☆17Updated 5 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】☆109Updated 5 years ago
- 谷歌INCEPTION-RESNET-V2迁移学习实现图像二分类判断图像是否生病☆17Updated 6 years ago
- liver cancer classify model with DL(3D-Conv)大数据医疗—肝癌影像AI诊断比赛☆40Updated 5 years ago
- 图像分割算法deeplab_v3+，基于tensorflow，中文注释，摄像头可用☆90Updated 5 years ago
- tensorflow关于目标检测的实现 包括maskrcnn； keras二分类，多分类实例以及两种不同的车牌识别，人脸识别，GAN☆40Updated 5 years ago
- 本赛题任务是对西安的热门景点、美食、特产、民俗、工艺品等图片进行分类，即首先识别出图片中物品的类别（比如大雁塔、肉夹馍等），然后根据图片分类的规则，输出该图片中物品属于景点、美食、特产、民俗和工艺品中的哪一种。☆81Updated 3 years ago
- 使用LBP方法提取特征，再使用svm进行分类☆40Updated 7 years ago
- 使用Flask+Keras部署的基于Xception神经网络的细胞图像AI医疗辅助识别系统（含简单前端demo）☆62Updated 3 years ago
- 种子区域生长法图像分割☆36Updated 7 years ago
- 大数据医疗——肝癌影像AI诊断☆15Updated 5 years ago
- Use kears end-to-end u-net multi-type image segmentation☆35Updated 5 years ago
- 糖网眼底图像分类_pytorch☆11Updated 6 years ago
- Faster R-CNN实现安防中安全帽佩戴目标检测☆81Updated 4 years ago
- ☆24Updated 5 years ago
- all code used by python(including web-crawler,deeplearning)☆28Updated 4 years ago
- 第7届泰迪杯挑战赛B题（一等奖）医学图像分割部分代码分享☆18Updated 5 years ago
- keras使用迁移学习实现医学图像二分类（AK、SK）☆26Updated 5 years ago
- 简单实现VGG16☆58Updated 6 years ago
- ☆38Updated 5 years ago
- 使用keras版本的Mask-RCNN来训练自己的数据，通过代码把样本制作麻烦的步骤变成简单方便。☆49Updated 6 years ago
- ☆105Updated 5 years ago
- 深度学习 卷积神经网络教程 ：图像识别，目标检测，语义分割，实例分割，人脸识别，神经风格转换，GAN等 https://dataxujing.github.io/CNN-paper2/☆171Updated 4 years ago
- 设计并实现了一个基于深度学习、集成学习、迁移学习、GAN等技术的色素性皮肤病自动识别七分类系统。本系统主要由服务端和客户端两个模块组成。服务端基于深度学习、集成学习、迁移学习、GAN等技术实现了对色素性皮肤病自动识别七分类。客户端使用微信小程序和网站(SSM、Springb…☆110Updated 3 years ago
- 图像二分类问题 猫狗大战 pytorch CNN☆124Updated 5 years ago