keras 人工智能之VGGNet神经网络的图片识别
上期文章我们分享了如何使用VGGNet CNN网络结构搭建一个图片识别网络,以及训练了神经网络模型,利用上期训练好的神经模型,可以进行我们的图片识别
继续阅读上期文章我们分享了如何使用VGGNet CNN网络结构搭建一个图片识别网络,以及训练了神经网络模型,利用上期训练好的神经模型,可以进行我们的图片识别
继续阅读本期我们基于VGGNet神经网络来进行图片的识别,且增加图片的识别种类
继续阅读上期文章我们分享了人工智能Keras图像分类器(CNN卷积神经网络的图片识别的训练模型),本期我们使用预训练模型对图片进行识别
继续阅读CNN卷积神经网络是人工智能的开端,CNN卷积神经网络让计算机能够认识图片,文字,甚至音频与视频。
继续阅读前期我们分享tensorflow以及pytorch时,分享过tensorflow以及pytorch的分类神经网络的搭建步骤,在哪里我们使用的训练集是mnist,同样Keras分类神经网络的搭建,我们同样使用mnist数据集来进行分类神经网络的搭建
继续阅读当计算的人眼纵横比小于阈值时记录一次,当连续超过50次检测到人眼纵横比小于阈值时说明人眼已经瞌睡
继续阅读通过访问不同的数据点,来进行人脸上的部位检测,要想对人眼眨眼检测,首先我们检测到人眼
继续阅读什么是神经网络的风格迁移,简单来件就是输入1张照片(自己的照片),输出具备另外一张照片(例子梵高画作)风格的图片,同时保留原本自己图片的元素
继续阅读使用dlib,OpenCV和Python进行人脸识别–检测眼睛,鼻子,嘴唇和下巴
继续阅读图片的颜色上色,主要使用到了CNN卷积神经网络,作者在ImageNet数据集上进行了大量的训练,并将此问题使用在分类任务中,以解决问题的潜在的不确定性,并在训练时使用颜色重新平衡的损失函数方法来增加颜色的多样性。
继续阅读