用卷积滤波器matlab代码图像过滤和混合图像 一般说明 该存储库提供了一个图像卷积函数（图像过滤），用于创建混合图像。 该技术由Oliva，Torralba和Schyns于2006年发明，并在SIGGRAPH的论文中发表。 高频图像内容倾向于主导感知，但是在远处，只有低频（平滑）内容被感知。 通过混合高频和低频内容，我们可以创建一个混合图像，该图像在不同距离处的感知方式有所不同。 该项目在计算机视觉课程中。 资料夹说明 1- matlab脚本是包含以下内容的文件夹： my_imfilter =通过卷积进行过滤的函数。 proj1_test_filtering =使用相同过滤器的测试用例。 gen_hybrid_image =混合图像的书面功能。 vis_hybrid_image =用于以不同比例显示混合图像输出的功能。 Proj1 =输出混合图像（低频或高频，混合图像和不同比例）的脚本。 2-随项目附带的图像位于名为raw_data的文件夹中 3-输出文件夹包含以下内容 狗照片输入到proj1_test_filtering代码时的输出。 混合照片的输出。 算法 1.通过卷积过滤 获取

基于CNN卷积神经网络的文字识别matlab仿真,matlab2021a运行测试

layers = [ ... imageInputLayer([1 2048 1])%%2D-CNN convolution2dLayer([1,2],4) reluLayer maxPooling2dLayer([1 2],'Stride',2) convolution2dLayer([1,2],4) reluLayer maxPooling2dLayer([1 2],'Stride',2) fullyConnectedLayer(2) softmaxLayer classificationLayer];

基于quartusii的CNN卷积神经网络的verilog开发含report

基于卷积神经网络的图像识别，资料包含一些参考文献及matlab仿真程序，仅供参考。

用Tensorflow搭建CNN卷积神经网络，实现MNIST手写数字识别-附件资源

cnn_captcha 使用CNN通过张量流识别验证码。本项目针对字符型图片验证码，使用张量流实现卷积神经网络，进行验证码识别。项目封装了比较通用的校验，训练，验证，识别，API模块，极大地减少了识别字符型验证码花费的时间和能量。 如果您在使用过程中出现了一个错误和做好的改进，欢迎提出问题和PR，作者会尽快回复，希望能和您共同完善项目。 如果您需要识别点选，拖拽类验证码，或者有目标检测需求，也可以参考这个项目 。 时间表 2018.11.12 初版Readme.md 2018.11.21 加入关于验证码识别的一些说明 2018.11.24 优化验证数据集图片的规则 2018.11.26 tr

台积电180纳米工艺ADS设计kit，内含CMOS以及相应电容电感模型

K210板子，模型加程序文件，可识别数字（0~9）显示至屏幕上，识别度相当高，有模型测试截图（写毕业设计或者写技术报告会很方便哦）

反馈卷积神经网络用于视觉定位和分割 该代码是的。 该代码是用编写的，非常易于理解。 还有一个，如果您使用Caffe和Matlab，请进行检查。 要求： 的Python 3 火炬0.4.0 如何运行： 用jupyter notebook打开jupyter notebook 然后打开vgg_fr.ipynb或vgg_fsp.ipynb ，这是两个用于展示反馈思想的主要文件。 外观： 如果在不修改代码的情况下运行vgg_fsp.ipynb ，则应该看到以下可视化效果： 输入图片： 相对于目标标签的图像梯度： 反馈选择性修剪（FSP）的4次迭代后，相对于目标标签的图像梯度： 文件说明： vgg_fr.ipynb ：使用反馈恢复机制定义vgg反馈网络并在示例图像上运行反馈可视化的主文件。 vgg_fsp.ipynb ：主文件，该文件使用反馈选择性修剪机制定义vgg反馈网络，并在