搜索资源列表
FI565
- 内附两个源代码，其中一个源代码是识别程序的，另一个是一个矩阵类库的，所以一并附上。 ~..~因为已经保存了训练好的网络权值，所以第一次使用识别程序时，可以直接运行\\\\Release目录下的可执行文件，然后对图片目录中的测试图片进行读入、识别。 当然读者也可以自行用训练样本训练网络，不过要特别注意训练样本的选择，否则可能造成识别率很低。训练样本选择的原则是，尽可能的有代表性，在训练时间不至于太长的情况下，训练样本数目尽量多。 -containing 2 source code,
recognize
- 本代码是基于神经网络的文字识别系统，目录主要包括：文档和两个源代 其中源代码是识别程序的，另一个是矩阵类库的。 已经保存了训练好的网络权值，所以第一次使用识别程序时，可以直接运行Release目录下的可执行文件，然后对图片目录中的测试图片进行读入、识别。当然也可以自行用训练样本训练网络，不过要注意训练样本的选择，否则可能识别率很低。训练样本选择的原则是，尽可能的有代表性，在训练时间不至于太长的情况下训练样本数目尽量多。
Matlab_SVM
- 使用支持向量机对仿人感知器建模，并给出了其在不规则图形面积测量中的应用实例，附有120幅图片及其面积，前100幅用作训练，后20幅用作检验，图片文件默认路径为C:\\MATLAB7\\work\\P100，即应将文件解压到默认路径C:\\MATLAB7\\work，使用其他路径只需将程序中的图片路径替换即可。
DigitRecognition_VC++
- 本目录主要包括：文档和两个源代码。 其中一个源代码是识别程序的，另一个是一个矩阵类库的， 书里面也使用过，所以一并附上。 因为已经保存了训练好的网络权值， 所以第一次使用识别程序时， 可以直接运行\\\\Release目录下的可执行文件， 然后对图片目录中的测试图片进行读入、识别。 当然读者也可以自行用训练样本训练网络， 不过要特别注意训练样本的选择，否则可能造成识别率很低。 训练样本选择的原则是，尽可能的有代表性， 在训练时间不至于太长
BPsimulationofpopulation
- ”BP.m“文件是BP神经网络整个模型的源程序； “train.fig”是训练时最后得到的图片； “程序运行的人口数量原始数据.fig”是预测结果绘制的图； “程序运行时matlab命令窗口的内容.txt”是运行程序是在matlab命令窗口显示的东西； “程序运行完产生的数据.mat”是程序运行完毕产生的数据。 .bmp文件和.fig文件一样
基于Gabor特征提取和人工智能的人脸检测系统源代码
- 使用步骤： 1. 拷贝所有文件到MATLAB工作目录下(确认已经安装了图像处理工具箱和人工智能工具箱) 2. 找到"main.m"文件 3. 命令行中运行它 4. 点击"Train Network"，等待程序训练好样本 5. 点击"Test on Photos"，选择一个.jpg图片，识别。 6. 等待程序检测出人脸区域
wenzishibie
- 本目录主要包括：文档和两个源代 其中源代码是识别程序的，另一个是矩阵类库的。 已经保存了训练好的网络权值，所以第一次使用识别程序时，可以直接运行Release目录下的可执行文件，然后对图片目录中的测试图片进行读入、识别。当然也可以自行用训练样本训练网络，不过要注意训练样本的选择，否则可能识别率很低。训练样本选择的原则是，尽可能的有代表性，在训练时间不至于太长的情况下训练样本数目尽量多。-Catalog include: two source documents and source
Gender
- matlab 神经网络算法应用于图片中人物性格识别,通过对神经网络的训练，可以识别图像中是男性还是女性-matlab neural network algorithm is applied to the picture of character recognition, neural network through training, can identify the image is male or female. . .
DCT
- 本文设计基于DCT的人脸识别系统，首先结合当今人脸识别的背景和发展状况讨论了人脸识别的研究内容及在各方面的应用；然后研究了人脸识别进行预处理，讨论了人脸识别预处理的其他方法，分析各种方法的利弊，最后采用DCT（离散余弦变换）实现人脸图像预处理中的降维处理；接下来对人脸图像的特征提取进行了研究，简单叙述了几何特征提取和代数特征提取，同时深入研究了基于DCT和PCA变换的人脸图像特征提取，从而实现是否对人脸识别系统识别率有所提高的研究；对于分类器的选择，本文对两种分类器进行了探讨，即最近邻分类器和B
popfnn
- popfnn神经网络，它是一种模糊伪输出的神经网络(pseudo-outer-production fuzzy nerual network).可用于模式识别。运行pop1可以训练输入的特征向量，extractionpop使用来抽取图片的特征向量的。-popfnn neural network, it is a pseudo-output fuzzy neural network (pseudo-outer-production fuzzy nerual network). can be use
indentify_english_word
- matlab 识别英文字母 用神经网络训练 可以识别大图片，小图片，正规的字符-matlab recognition letters can be identified by neural network training, the big picture, small picture, the formal character
thintwo
- 数字识别，区分图片0到9，共有一百幅图片，一部分用来训练，一部分用来测试-Digit recognition, the distinction between image 0 to 9, a total of one hundred pictures, some for training, in part to test
imrecognition
- 用BP网络进行图像识别。先对两类图像进行训练，然后输入测试图片测试，用神经网络来识别 -image recognition based on BP neutral network
manual_label
- 一个MATLAB GUI程序，可以方便地用来手动标记正训练样本和负训练样本。 —————————————————— 1.首先输入要标定的数据库目录、要存放正训练样本的目录、要存放负训练样本的目录 2.点击“开始”，程序自动依次显示数据库目录中的图片 3.点击“正例”或“反例”将会把当前图片复制到相应目录 4.可以在图片上点击拖动圈出一个区域，以截取圈出的区域作为样本 5.选中“约束选取比例”可以使得最终选取的样本有固定的大小-A matlab GUI program th
CPPBP
- 基于BP神经网络的模式识别，采集图片，图像预处理，网络训练-Based on the BP neural network of pattern recognition
fruit-recognition
- 水果分类 fruit recognition 运行demo即可 这个程序主要是通过对训练样本中的三幅图像提取的颜色信息建立混合高斯模型，然后对目标图像进行测试。 在demo最后一段中，可以替换‘t1.jpg’，以便进行不同图片的识别。 程序运行过程比较慢，请耐心等待。 运行结果是蓝色点聚集的区域是属于橘子的。- fruit recognition
Letter-recognition
- 基于神经网络, 采用 Matlab 6. 5 和 Visual C, 设计一个字母识别系统。 该系统通过对 BMP 图片的二值化 处理,在 VC 环境下调用 Matlab,并将把二值化后的数据进行网络训练,从而实现 26 个英文字母的识别。 系统性能的测试表明,系统所训练的神经网络有很好的抗干扰能力。-The design letter recognition system based on neural network, using Matlab 6. 5 and Visual C,. T
SVM做图片处理
- 使用SVM算法对CIFAR-10图片数据集进行分类，包括模型的训练，测试和参数的调优(Using SVM algorithm to classify CIFAR-10 image data sets, including model training, testing and parameter tuning)
跨模态文字检索图片102花卉数据
- 跨模态检索 tensorflow实现，使用googlenet处理图片，char-cnn处理文字，使用triple-loss训练(Tensorflow is implemented by cross-modal retrieval, using Google eNet to process pictures, char-cnn to process text, and triple-loss training)
code
- matlab的程序cnn编写，对图片进行分类并预测，最后完成搜索功能， 输入图片路径给出所有同类的图片结果(matlab program cnn train and predict search function and so on)