xbliuhnu / DogsVsCats
Kaggle竞赛题猫狗大战 ,用于PyTorch入门
☆62Updated 5 years ago
Related projects ⓘ
Alternatives and complementary repositories for DogsVsCats
- 基于PyTorch框架实现的图像分类网络☆73Updated 4 years ago
- 适合小白入门的图像分类项目,从熟悉到熟练图像分类的流程,搭建自己的分类网络结构以及在pytorch中运用经典的分类网络。☆61Updated 4 years ago
- ☆105Updated 5 years ago
- Unofficial implementations of some classical CNN backbones with pytorch☆164Updated 3 years ago
- 使用HOG+SVM进行图像分类☆158Updated 5 years ago
- ☆27Updated 3 years ago
- 利用pytorch实现图像分类的一个完整的代码,训练,预测,TTA,模型融合,模型部署,cnn提取特征,svm或者随机森林等进行分类,模型蒸馏,一个完整的代码☆26Updated 3 years ago
- 项目注释+论文复现+算法竞赛+Pytorch实践☆637Updated 3 months ago
- pytorch版—使用resnet50迁移学习实现皮肤病图片的二分类☆118Updated 4 years ago
- use pytorch to do image classification☆138Updated 4 years ago
- 我的笔记和Demo,包含分类,检测、分割、知识蒸馏。☆60Updated 2 years ago
- 一个通用的图像分类模板,天池/CVPR AliProducts挑战赛 3/688☆82Updated 3 years ago
- 图像二分类问题 猫狗大战 pytorch CNN☆124Updated 5 years ago
- 《深度学习之PyTorch实战计算机视觉》全书代码☆129Updated 5 years ago
- ☆34Updated last year
- 这个是一个在SSD的基础上用于生成绘制mAP代码所用的txt的例子。(目的是生成txt)☆129Updated 3 years ago
- I tried to apply the CAM algorithm to YOLOv4 and it worked.☆61Updated 3 years ago
- 基于Swin-transformer训练图像分类并部署web端☆83Updated 2 years ago
- CV 方向论文阅读以及手写代码实现☆110Updated 2 years ago
- 里面会保存许多优秀的卷积神经网络结构,这些结构可以帮助我们更好的设计网络。☆141Updated 3 years ago
- 获取图像的LBP特征☆79Updated 9 years ago
- 比ResNet更强的RepVGG,结构重参数化,推理部署一路3x3卷积到底,详细的代码讲解,欢迎star☆46Updated 3 years ago
- Pytorch YOLO v4 训练自己的数据集超详细教程!!! (提供PDF训练教程下载)☆30Updated 4 years ago
- 本仓库主要包含了针对目标检测数据集的增强手段和源码:图像的旋转,镜像,裁剪,亮 度/对比度的变换等☆129Updated 3 years ago
- For the CIFAR-10 dataset, extracting HOG features and using SVM classifier to classify them, at last, we get the accuracy.☆42Updated 4 years ago
- 计算机视觉项目实战☆111Updated 4 years ago
- FCN implement with densenet for VOC dataset☆24Updated 4 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
- ☆65Updated 4 years ago
- all code used by python(including web-crawler,deeplearning)☆28Updated 4 years ago