这些例子通过了在“计算机愿景的深度学习”网络研讨会中解释的3个演示
//www.tianjin-qmedu.com/videos/deep-learning-for-computer-vision-120997.html.
演示如下：
- 使用预先培训的网络对象分类
- 转移学习 - 改变AlexNet进行车辆分类
- 使用深度学习的对象检测（更快R-CNN）
**请注意：这些是仅限演示和一小组图像。没有预先训练的网络
引用
Johanna Pingel（2021年）。从“计算机愿景深入学习”网络研讨会的演示（//www.tianjin-qmedu.com/matlabcentral/fileexchange/62558-demos-from-deep-learning-for-computer-vision-webinar），Matlab中央文件交换。检索到。
Matlab释放兼容性
用R2017A创建
兼容任何释放
平台兼容性
视窗 苹果系统 Linux.标签
DEMOS / DEMO1_CLASSIFICSICACEDPRETSINGSERION /
Demos / demo2_transfersharning /
demos / demo3_objectdetection /
您还可以从以下列表中选择一个网站：