神经关系推理（NRI） 用于交互系统的图神经网络 给定节点的时间序列数据，NRI模型会将未来的节点状态和节点之间的基础抵销关系预测为边缘。 这是Chainer中神经关系推理（NRI）的再现作品。 作者的原始实现可在此处找到： 。 请参阅本文的详细信息： 交互系统的神经关系推断。 Thomas Kipf *，Ethan Fetaya *，Kuan-Chieh Wang，Max Welling，Richard Zemel。 ：平等贡献） 数据集 粒子物理模拟数据集 cd data python generate_dataset.py 训练 粒子物理模拟数据集 python train.py --gpu 0 可视化结果 python utils/visualize_results.py \ --args-file results/2019-01-22_10-20-25_0/args.

基于chainer 的pix2pix模型

基于chainer实现cycleGAN源代码

基于chainer的centernet目标检测源码，已经整理好以类的方式进行调用，结构清晰，简单调用，纯源码

在文章与之前编写的图像分类框架构建组合使用，这里只讲述基于chainer的模型构建，本次讲解如何使用chainer构建ResNet网络结构以及对应的其他版本：resnet50，resnet101，resnet152。

与resnet网络结构类似，这里主要是实现resnext的网络结构

注意本次项目未写完，不过已经完成了模型训练，可以根据模型的训练写预测，因一些其他原因没有继续完成。

人脸关键点检测，检测到人脸后对人脸关键点进行人脸对齐(转换)，再将人脸裁剪出，输入神经网络中，最后输出人脸嵌入特征(超球面欧式空间)，该特征可用于聚类、相似性检测、分类等。 本次使用国外已有模型，本人没有做过训练，因为此人脸检测，按道理是没必要训练了。

对输入图像进行手部姿势检测，包括关节点，这个与人脸的原理类似   本次使用国外已有模型，本人没有做过训练，因为此人脸检测，按道理是没必要训练了。

首先对输入图像进行人体姿态检测  本次使用国外已有模型，本人没有做过训练，因为此人脸检测，按道理是没必要训练了。