FaceIDLight :blue_book:描述 一个基于轻量级人脸识别的工具箱和管道，基于带有MTCNN-Face-Detection和ArcFace-Face-Recognition的Tensorflow-Lite。无需安装完整的tensorflow，tflite-runtime就足够了。所有工具仅使用CPU。 拉请求是欢迎的！ :high_voltage:特征 在线人脸识别 完全在CPU上运行 多面 MacBookPro2015上约4 FPS 面部检测，验证和识别工具 :check_mark_button:待办事项 GPU支持 取决于分辨率的模型选择 多线程多面 退出时，OpenCV窗口在MacOS上冻结（似乎已修复） :bowl_with_spoon:要求 其他软件包（包含在FaceIDLight中） 设置工具〜= 51.0.0 opencv的python〜 = 4.5.1.48 numpy〜= 1.19.5 tqdm〜= 4.59.0 scikit图像〜= 0.18.1

基于Tensorflow的口罩识别，具体实验讲解请看https://blog.csdn.net/qq_28810395/article/details/107424279

Entity and Relation Extraction Based on TensorFlow and BERT. 基于TensorFlow和BERT的管道式实体及关系抽取，2019语言与智能技术竞赛信息抽取任务解决方案。Schema based Knowledge Extraction, SKE 2019

卷积神经网络是一类典型的处理网格型数据的深度学习结构，在图像和视频处理等领域得到了广泛的应用。本案例采用 Olivetti Faces 人脸数据集进行训练，使用 TensorFlow 构建一个深度卷积神经网络对人脸进行识别。我们发现数据增强能够显著降低总体损失，提升神经网络性能。

基于TensorFlow训练的人脸识别神经网络

本项目是基于tensorflow2的猫狗识别，采用了卷积神经网络和迁移学习的方法对猫狗进行学习，欢迎对深度学习感兴趣的朋友进行下载。

实现了的Lenet经典的卷积神经网络，只要修改相应的读取数据的绝对路径即可运行

基于TensorFlow框架、Faster RCNN模型、SSM框架(SpringMVC+Spring+Mybatis)的实时行人检测系统-附件资源

基于tensorflow的一个案例实现，实际生产中使用的瑕疵检测，适合布匹、木材、金属、塑料、薄膜等等产品表面的瑕疵检测，斑点检测，效果较好

代码使用tensorflow实现的神经网络二分类，数据集为糖尿病化验数据，其中前八列为特征，第九列为期望结果，准确率81.75%，内有详细的代码注解，适合新手学习使用