zhoubill / Tensorflow-cnnLinks
基于tensorflow的的cnn卷积神经网络的图像识别分类
☆125Updated 6 years ago
Alternatives and similar repositories for Tensorflow-cnn
Users that are interested in Tensorflow-cnn are comparing it to the libraries listed below
Sorting:
- 使用tensorflow和cnn做的图像识别,对四种花进行了分类。☆620Updated 5 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☆29Updated 2 years ago
- CNN卷积神经网络 交通标志识别☆121Updated 7 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】☆122Updated 5 years ago
- keras 图像识别☆111Updated 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。☆245Updated 6 years ago
- 图像二分类问题 猫狗大战 pytorch CNN☆135Updated 6 years ago
- CNN 图像多分类问题☆27Updated 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。☆64Updated 4 years ago
- 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)☆52Updated 7 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!☆212Updated 6 months ago
- 我写了详细代码注释,卷积神经网络经典项目猫狗识别kaggle☆49Updated 6 years ago
- PyTorch框架构建花朵图像分类模型(Resnet网络,迁移学习)☆16Updated 2 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☆48Updated 5 years ago
- 基于卷积神经网络(CNN)的人脸在线识别系统☆146Updated last year
- 基于tensorflow的手写数字识别☆85Updated 5 years ago
- pytorch入门项目,包括线性回归、垃圾分类、水果目标检测、ssd☆121Updated 5 years ago
- 利用BP神经网络实现手写数字识别☆48Updated 7 years ago
- OpenCV图像处理的信用卡,卡号数字识别☆57Updated 6 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 7 years ago
- 基于Keras实现Kaggle2013--Dogs vs. Cats12500张猫狗图像的精准分类☆78Updated 6 years ago
- 研一图像处理期末大作业:基于openCV的人脸识别☆40Updated 7 years ago
- 采用深度学习方法进行图像识别,数据集为kaggle数据集中的猫与狗数据集。☆76Updated 6 years ago
- 基于 ResNet 的果蔬图像分类☆31Updated 2 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☆16Updated 6 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☆106Updated 2 years ago
- 基于python和pyqt5,实现opencv图像处理,包含内容有基本的图像处理,人脸检测和识别,图像检索以及基于图像描述符的搜索,目标检测与识别,目标跟踪,opencv神经网络☆154Updated 7 years ago
- 使用HOG+SVM进行图像分类☆165Updated 6 years ago
- Face Detection☆88Updated 4 months ago
- 基于TensorFlow实现CNN水果检测☆34Updated 6 years ago