多视图深度卷积神经网络进行高分辨率乳腺癌筛查 介绍 这是用于分类的模型的实现，如我们的论文。 该实现使用户可以通过将我们的预训练CNN模型应用于具有四个视图的标准筛查乳房X线检查中来获得BI-RADS预测。 作为此存储库的一部分，我们提供了一个示例考试（在images目录中）。 该模型在TensorFlow和PyTorch中均实现。 先决条件 巨蟒（3.6） TensorFlow（1.5.0）或PyTorch（0.4.0） NumPy（1.14.3） 科学（1.0.0） 枕头（5.1.0） 数据 要使用预训练模型，输入必须包含四张图像，每个视图一个（L-CC，L-MLO，R-CC，R-MLO）。 每个图像的大小必须为2600x2000像素。 提供的样本检查中的图像已经被裁剪为正确的尺寸。 如何运行代码 可用选项位于文件birads_prediction_tf.py或birads_p

慢性肺疾病 使用卷积神经网络对肺部疾病进行分类

基于matlab深度学习工具箱来设计卷积神经网络用来对图像上的水体部分进行识别，并生成水体陆地二值化图像。采用的是9层卷积神经网络用来对图像进行特征提取和分类，水体识别的准确率可以达到96%以上。

tflearn训练的猫狗识别模型，文章中已经处理好的.npy文件可直接进行搭建后使用。

最近一直在想对我的表格数据进行卷积操作，最后终于弄出来了，使用pytorch进行编写

2022年国赛正式卷题目

资源包含文件：设计报告word+项目源码+文献资料等 Python 实现LSB算法进行信息隐藏 包含空域与变换域 JPEG信息隐藏算法 对PDF文件进行信息隐藏 基于卷积神经网络的隐写分析 Matlab SRM、SCA隐写分析。 详细介绍参考：https://biyezuopin.blog.csdn.net/article/details/125618949

利用matlab的函数对图像进行基本的处理：卷积，二值化，融合，滤波等等

恒生电子2016校园招聘C卷笔试题,文中答案不保证完全正确

这是一个改进的简单卷积器。此采用3片A/D转换器同时工作，并将采样过程计算、写入RAM的控制改为并行工作。此卷积器的采样频率为2.22MHz。