zw76859420 / kaggle-cats-and-dogs
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。
☆72Updated 6 years ago
Alternatives and similar repositories for kaggle-cats-and-dogs:
Users that are interested in kaggle-cats-and-dogs are comparing it to the libraries listed below
- 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
- 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
- 我写了详细代码注释,卷积神经网络经典项目猫狗识别kaggle☆48Updated 5 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☆37Updated 6 years ago
- CNN卷积神经网络 交通标志识别☆118Updated 6 years ago
- 猫狗大战——图像识别☆33Updated 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】☆117Updated 5 years ago
- PyTorch框架构建花朵图像分类模型(Resnet网络,迁移学习)☆15Updated 2 years ago
- 基于tensorflow的的cnn卷积神经网络的图像识别分类☆124Updated 6 years ago
- 基于TensorFlow实现CNN水果检测☆34Updated 6 years ago
- 毕业设计:行人检测系统,pyqt + opencv☆49Updated 3 years ago
- 基于TensorFlow和Keras的智能垃圾分类系统,用于参加中国软件杯双创大赛。☆85Updated 4 years ago
- CNN 图像多分类问题☆24Updated 5 years ago
- 交通标志识别_CNN卷积神经网络实现☆21Updated 5 years ago
- keras 图像识别☆109Updated 2 years ago
- 基于CNN的海贼王人物图像多分类,包含数据集爬虫,数据集处理,模型保存,图表输出,批量测试等,通用模型模板☆31Updated 5 years ago
- 水果图像识别程序☆23Updated 3 years ago
- 毕设-基于深度学习的人脸识别☆19Updated 4 years ago
- 1412基于Python卷积神经网络人脸识别驾驶员疲劳检测与预警系统设计毕业源码案例设计☆131Updated last year
- 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 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☆105Updated 2 years 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
- 基于深度学习的表情情绪模型系统☆37Updated 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!☆193Updated 2 months ago
- OpenCV图像处理的信用卡,卡号数字识别☆54Updated 5 years ago
- 毕业设计-语音识别系统-GUI-python☆29Updated 6 years ago
- Python+OpenCV数字图像处理课程设计作业[车牌识别]☆160Updated 5 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。☆234Updated 5 years ago
- 基于数字图像处理的车牌定位和分割☆14Updated 5 years ago
- 该系统在本地计算机上使用 YOLOv5 模型进行烟雾检测。YOLOv5 是一种高效的目标检测模型,能够在复杂的场景中快速识别火灾烟雾。该模型部署在高性能硬件上,以确保实时响应和高精度的检测效果,在使用时对获取的图片可以进行推理,以检测火情。 YOLOv5-Lite 部署 …☆19Updated 6 months ago