基于MFCC特征提取和神经网络的语音信号识别算法matlab仿真
1.算法仿真效果matlab2022a仿真结果如下： 2.算法涉及理论知识概要 在语音识别（Speech Recognition）和话者识别（Speaker Recognition）方面，最常用到的语音特征就是梅尔倒谱系数（Mel-scale Frequency Cepstral Coefficie...
m基于GRNN广义回顾神经网络的车牌字符分割和识别算法matlab仿真
1.算法仿真效果matlab2022a仿真结果如下： 2.算法涉及理论知识概要 车牌识别系统(Vehicle License Plate Recognition，VLPR) 是计算机视频图像识别技术在车辆牌照识别中的一种应用。车牌识别在高速公路车辆管理中得到广泛应用，电子收费（ETC）系统中，也是结...
【Pytorch神经网络实战案例】32 使用Transformers库的管道方式实现：加载指定模型+文本分类+掩码语言建模+摘要生成+特征提取+阅读理解+实体词识别
管道方式是Transformers库中高度集成的极简使用方式。使用这种方式来处理NLP任务，只需要编写几行代码就能实现。通过本例的练习可以使读者对Transformers库的使用快速上手。1 在管道方式中指定NLP任务Transfomers库的管道方式使用起来非常简单，核心步骤只有两步：（1）直接根...
【Pytorch神经网络实战案例】29 【代码汇总】GitSet模型进行步态与身份识别(CASIA-B数据集)
1 GaitSet_DataLoader.pyimport numpy as np # 引入基础库 import os import torch.utils.data as tordata from PIL import Image from tqdm import tqdm import rand...
【Pytorch神经网络实战案例】28 GitSet模型进行步态与身份识别(CASIA-B数据集)
1 CASIA-B数据集本例使用的是预处理后的CASIA-B数据集， 数据集下载网址如下。 http：//www.cbsr.ia.ac.cn/china/Gait%20Databases%20cH.asp该数据集是一个大规模的、多视角的步态库。其中包括124个人，每个人有1...
【Pytorch神经网络理论篇】 35 GaitSet模型：步态识别思路+水平金字塔池化+三元损失
同学你好！本文章于2021年末编写，获得广泛的好评！故在2022年末对本系列进行填充与更新，欢迎大家订阅最新的专栏，获取基于Pytorch1.10版本的理论代码(2023版)实现，Pytorch深度学习·理论篇(2023版)目录地址为：CSDN独家 | 全网首发 | Pytorch深度学习·理论篇(...
【Pytorch神经网络实战案例】25 （带数据增强）基于迁移学习识别多种鸟类（CUB-200数据集）
1 数据增强在目前分类效果最好的EficientNet系列模型中，EfficientNet-B7版本的模型就是使用随机数据增强方法训练而成的。RandAugment方法也是目前主流的数据增强方法，用RandAugment方法进行训练，会使模型的精度得到提升。2 RandAugment2.1 Rand...
【Pytorch神经网络实战案例】24 基于迁移学习识别多种鸟类（CUB-200数据集）
1 迁移学习在实际开发中，常会使用迁移学习将预训练模型中的特征提取能力转移到自己的模型中。1.1 迁移学习定义迁移学习指将在一个任务上训练完成的模型进行简单的修改，再用另一个任务的数据继续训练，使之能够完成新的任务。1.1.1 迁移学习举例在ImageNet数据集上训练过的ResNet模型，其任务是...
【Pytorch神经网络实战案例】23 使用ImagNet的预训练模型识别图片内容
1 案例基本工具概述1.1 数据集简介Imagenet数据集共有1000个类别，表明该数据集上的预训练模型最多可以输出1000种不同的分类结果。Imagenet数据集是目前深度学习图像领域应用得非常多的一个领域，关于图像分类、定位、检测等研究工作大多基于此数据集展开。Imagenet数据...
【Pytorch神经网络实战案例】08 识别黑白图中的服装图案(Fashion-MNIST)
1 Fashion-MNIST简介FashionMNIST 是一个替代 MNIST 手写数字集 的图像数据集。 它是由 Zalando（一家德国的时尚科技公司）旗下的研究部门提供。其涵盖了来自 10 种类别的共 7 万个不同商品的正面图片。FashionMNIST 的大小、格式和训练集/测试集划分与...
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
