Inicio Proyectos mvcnn
mvcnn
MATLAB

mvcnn

CNN de múltiples vistas (MVCNN) para reconocimiento de formas

por suhangpro · GitHub
Estrellas
Ramas
Licencia
Creado
Último commit
MATLAB
Lenguaje
computer-graphicscomputer-visionconvolutional-neural-networksMITMATLAB
Ver en GitHub
En palabras simples

Reconoce y clasifica formas utilizando un modelo entrenado en diferentes vistas de objetos.

¿Mantienes este proyecto?

Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.

Reivindicar esta pagina →
mvcnn — GitHub preview card
📈 Historial de estrellas
393392
2026-07-202026-08-31
📈 Sigue mvcnn

Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.

Gratis · sin tarjeta · cancela cuando quieras
Recibir alertas por email →
📄 Acerca de

CNN de múltiples vistas (MVCNN) para reconocimiento de formas

mvcnn tiene 392 estrellas en GitHub. Se ha bifurcado 132 veces. mvcnn está escrito principalmente en MATLAB. Se desarrolla activamente desde 2015. mvcnn está disponible bajo la licencia MIT. Sus temas principales son: computer-graphics, computer-vision, convolutional-neural-networks, deep-learning.

Frequently asked questions

¿Qué es mvcnn?

CNN de múltiples vistas (MVCNN) para reconocimiento de formas

¿mvcnn es de código abierto?

mvcnn es un proyecto de código abierto. Se distribuye bajo la licencia MIT.

¿mvcnn es gratis?

Sí. mvcnn es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.

¿Bajo qué licencia está mvcnn?

mvcnn está disponible bajo la licencia MIT.

¿En qué lenguaje está escrito mvcnn?

mvcnn está escrito principalmente en MATLAB.

🏅 ¿Mantenedor de este proyecto?
olud.ai badge — mvcnn

Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.

[![olud.ai](https://olud.ai/badge.php?tool=suhangpro-mvcnn)](https://olud.ai/project/suhangpro-mvcnn.html)
Más opciones de distintivos →
🧬 Comparte ADN con🧬 Ver el mapa de ADN →

Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.