图像分类的预训练AlexNet网络模型
本演示演示如何使用CNN执行一种称为混合/随机配对的数据增强方法，用于图像分类
您可以学习如何使用卷积自动编码器检测和定位图像上的异常。
本演示演示如何在CNN分类中进行随机擦除/剪切增强。随机擦除や 切断とよばれる方法を用いて画像にマスクをかけ、分類を行います。
这个演示演示了如何通过CNN使用LIME (Local Interpretable Model-agnostic explanation)[1]解释分类。石灰による特徴量の可視化
“利用MATLAB进行计算机视觉深度学习”网络研讨会的示例文件-2016年7月5日（西班牙语）
“语义白平衡:卷积神经网络语义颜色校正”(SCCCNN)的实现
基于深度学习和浅层学习算法的时间序列预测
这个演示演示了如何实现卷积神经网络(CNN)的图像分类与多输入。カスタムループを用いて複数入力のCNNを実装します。
这个演示演示了如何分类时尚项目数据(时尚MNIST)和使用条件GAN合成那些图像。时尚MNISTの分類及び生成
深度学习是一种有监督的机器学习，其中模型直接从数据中学习执行分类任务。
本演示演示如何对图像分类进行ZCA白化变换。このデモでは、深層学習による分類の前処理としてZCA白色化を行います。
实现了一种用于时间序列预测的混合卷积神经网络-递归神经网络(RNN)。
Resnet分类问题Matlab代码(残差网络)
一个完整的局部接受域卷积神经网络在这个工具箱中被提出。
一个多流的Matlab例子- cnn
这个工具箱代表了NXP Vision工具箱S32V234的MATLAB安装程序附加组件
我们论文“11K手：使用手部图像进行性别识别和生物特征识别”的实施
Learning Deep CNN Denoiser Prior for Image Restoration, CVPR, 2017
这是一个使用Yolo v2模型来检测是否佩戴头盔的示例代码。
用于深度学习的数据处理-裁剪、翻转、翻译以创建更多用于培训的数据
使用颜色和深度图像的面部微表情分析简介（一种Matlab编码方法）
将3D变形模型(3DMM)纳入空间变压器网络(STN)的MatConvNet实现
一个简单的基于CNN的图像分类项目使用alexnet预训练模型进行迁移学习。数据的准确率
学习用于多重退化的单一卷积超分辨率网络
灵活的MCQ评估系统，处理划掉的答案
短连接深层神经网络CNN眼底筛查糖尿病视网膜病变
深层神经网络（GAN）中的跳跃连接-皮肤黑色素瘤分类
短连接深度神经网络CNN -眼底图像筛选，糖尿病视网膜病变，黄斑病变，青光眼，视网膜图像
MATLAB工具箱实现卷积神经网络(CNN)的2D和3D输入
使用预先提取特征向量的CNN网络，而不是从图像本身自动提取特征。
融合不同曝光的多幅图像
CNN将对从头开始编码的数字进行分类
基于卷积神经网络的MRI图像乳腺肿瘤语义分割
叶子分类-将植物的叶子分为四类
面验证-验证两个面
“FFDNet：基于CNN的图像去噪快速灵活解决方案（2017）”的Matlab代码
这段代码使用裁剪和对齐的面部图像集合训练CNN。用新图像进行验证，得到的精度为8
为旧日文字符分类创建简单的深度学习网络
使用CNN对两种相似的花“蒲公英”和“马蹄”进行分类
使用MATLAB®，一个简单的网络摄像头和一个深层的神经网络来识别你周围的物体。
非常简单的图像分类应用使用Web Cam
深度学习，深度神经网络，CNN，机器学习，图像情感识别，图像识别
这是一个简单易用的卷积神经网络代码的一个深度学习工具。
CNN预测实现(“编码器”)为低级语言
基于深度网络特征和SVM分类器的3类视网膜分类
该项目为卷积神经网络的实现提供了matlab类。
这是另一个用于快速开发和灵活架构的神经网络工具箱
细胞神经网络的GUI。
在Simulink/Matlab中对细胞神经网络(CNN)进行了仿真。金宝app
