基于GAN的手写体数字超分辨率重建 掌握SRGAN重建方法,对MNIST图像超分辨率重建
实验内容: 1)下载MNIST图像超分辨率数据库; 2)测试SRGAN深度网络算法分类精度; 3)编写、运行程序并查看结果; 4)调节SRGAN算法相关参数,分析其对模型效果的影响。
实验内容: 1)下载MNIST图像超分辨率数据库; 2)测试SRGAN深度网络算法分类精度; 3)编写、运行程序并查看结果; 4)调节SRGAN算法相关参数,分析其对模型效果的影响。
实验内容: 1)下载CIFAR-10数据库; 2)测试LeNet(选做)、VGG(选做)、Googlenet(选做)、ResNet(必做)等深度网络算法分类精度; 3)编写、运行程序并查看结果; 4)调节ResNet算法相关参数,分析其对模型效果的影响。
实验内容: 1)下载人脸识别数据库; 2)测试主成分分析PCA算法分类精度; 3)编写、运行程序并查看结果; 4)调节参数主成分分析PCA算法相关参数,分析其对模型效果的影响。
实验内容: 1)下载手写体数据库MNIST; 2)测试支持向量机分类精度; 3)编写、运行程序并查看结果; 4)调节参数支持向量机相关参数,分析其对模型效果的影响
1)文本领域Transformer的发展综述 2)图像领域Transformer的发展综述 3)视频领域Transformer的发展综述
内容 1)自选视频分类数据集; 2)测试3DCNN深度网络算法分类精度; 3)编写、运行程序并查看结果; 4)调节3DCNN算法相关参数,分析其对模型效果的影响
内容 1)下载CIFAR-10数据库; 2)测试ResNet深度网络算法分类精度; 3)编写、运行程序并查看结果; 4)调节ResNet算法相关参数,分析其对模型效果的影响。
内容 1)自选文本分类数据集; 2)测试单向、双向TextRNN深度网络算法分类精度; 3)编写、运行程序并查看结果; 4)调节单向、双向TextRNN算法相关参数,分析其对模型效果的影响