数据标注工具labelme中文版，适合用于目标检测与分割任务的相关数据集制作，提供json数据格式及转换功能。其功能方便快捷，提供一键执行程序，无需额外下载其他安装包。

深度学习工具箱的额外层，包括： 1. sigmoid 激活层2. 回归输出的softmax激活层3.输入层支持多输入 几个例子来说明如何使用深度学习工具箱和额外的层。

深度学习中的GAM注意力机制pytorch实现版本

efficientdet-d3.pth 权重文件

图像风格迁移技术是计算机视觉中的重点技术，传统的图像风格迁移技术采 用手工演算的方式，计算过程复杂，计算时间漫长，图像风格迁移效果不理想。 随着人工智能技术在计算机视觉领域的应用逐步广泛，一些艺术风格神经算法逐 渐产生，可以对自然图像的内容和风格进行分离和重组。利用 VGG-19 神经网络 模型，结合人工智能开源框架 Pytorch 设计快速图像风格迁移算法。实验表明， 采用 VGG-19 神经网络模型的图像风格迁移技术，生成了具有高感知质量的新图 像，将任意照片的内容与众多著名艺术品的外观相结合，展示了其在高级图像合 成和操作方面的潜力

资源包括近7000张图片，包括患病和健康叶片。

内容概要：整理自网上开源OCR资料，主要整理近几年OCR论文通用方法，结合多个指标对比可选择适合算法，包括有无代码、数据集是否规则、方法内容、识别效果指标等，资料比较全面，配合本博主的博客可以进一步详细学习，希望大家可以互相交流学习。 适合人群：OCR初学者及爱好者学习和研究。 能学到什么：快速了解整个OCR领域论文通用方法，通过不同方法对比可选择适合自己数据集的OCR识别方法，可以为科研或项目提供帮助。 阅读建议：可通过表格筛选工具选择自己想要的方法，横向和纵向对比，先找到方法，后查找对应论文详细内容，有助于快速了解OCR方法。强烈推荐大家学习.

## 《深度学习 —— keras快速开发入门》原书代码，代码可测试，适合新手练练手，很容易理解，包含类似VGG的CNN，还有GAN keras book source code

中文新闻分类模型，利用TextCNN模型进行训练，TextCNN的主要流程是：获取文本的局部特征：通过不同的卷积核尺寸来提取文本的N-Gram信息，然后通过最大池化操作来突出各个卷积操作提取的最关键信息，拼接后通过全连接层对特征进行组合，最后通过交叉熵损失函数来训练模型。

pytorch图像检索 pytorch实现“深度学习二进制哈希码以快速检索图像，CVPRW 2015”