FCN（完全卷积网络）中最简单，最容易使用的pytorch实现

涵盖U-Net各种版本，用于深度学习，U-Net zoo版本，还可以用于其他领域的图像分割（如卫星图像）

大小位移光流、CLG光流、变分光流、局部全局光流、特征光流、对偶光流、HS光流、LK光流、SOR、Optical Flow、深度卷积特征光流、光流场、金字塔光流、PX4Flow、光流应用、基于特征光流的视频中物体检测、变分光流法在序列图像运动分析中的研究等等

常用深度网络模型,深度卷积网络、深度循环网络，生成对抗网络

上传一张车牌照片，可以是远距离拍摄的，代码会先进行车牌定位，然后切割出车牌区域，再经过灰度化，二值化等导入训练好的神经网络，得到车牌；另外神经网络可以调节层数，学习速率，训练次数等参数来训练调整新的网络。

用MATLAB实现卷积神经网络，并对图像进行特征提取 文件列表： CNN CNN\cnnapplygrads.m CNN\cnnbp.m CNN\cnnff.m CNN\cnnnumgradcheck.m CNN\cnnsetup.m CNN\cnntest.m CNN\cnntrain.m CNN\expand.m CNN\flipall.m CNN\mnist_uint8.mat CNN\sigm.m CNN\test_example_CNN.m

**DFace** 是个开源的深度学习人脸检测和人脸识别系统。所有功能都采用　**[pytorch](https://github.com/pytorch/pytorch)**　框架开发。pytorch是一个由facebook开发的深度学习框架，它包含了一些比较有趣的高级特性，例如自动求导，动态构图等。DFace天然的继承了这些优点，使得它的训练过程可以更加简单方便，并且实现的代码可以更加清晰易懂。 DFace可以利用CUDA来支持GPU加速模式。我们建议尝试linux GPU这种模式，它几乎可以实现实时的效果。

A Guide to Convolutional Neural Networks for Computer Vision-Morgan & Claypool(2018).pdf

FCN的必备文件MITSceneParsing.pickle，折腾了半天终于get,在此发出来与大家分享！

第一讲 人工智能概述 第二讲 Python语法串讲 第三讲 Tensorflow框架 第四讲 神经网络优化 第五讲 全连接网络基础 第六讲 全连接网络实践 第七讲 卷积网络基础 第八讲 卷积网络实践