MVCNN-PyTorch Multi-View CNN built on ResNet/AlexNet to classify 3D objects A PyTorch implementation of MVCNN using ResNet, inspired by the paper by . MVCNN uses multiple 2D images of 3D objects to classify them. You can use the provided dataset or create your own. Also check out my implementation whitch outperforms MVCNN (Under construction). Dependencies torch torchvision numpy tensorflow (for

在之前的残差模块中bn的使用在激活函数之后，修改后在激活之前，并且在使用残差模块时一般在其之前会有一个卷积（池化可以有也可没有），在之后会有一个平均池化，这次的测试进行了修改，并且有一定效果

深度学习cifar_10代码带数据集,框架代码有LeNet框架，Vgg框架，inception_net框架，resnet框架，代码已调通，修改路径即可，随下随用，随下随用，随下随用!!!

包括经典的分类网络: AlexNet,MaxOut,InceptionV1,VGG,InceptionV2,InceptionV3,ResNet,Xception,ResNext,MobileNet-V1,DRN,DPN,DenseNet,MobileNet-V2,MobileNet-V3 语义分割网络: FCN,Unet,InstanceFCN,DeepLab-V1,DeeplabV3,SeNet,DeeplabV3+ 目标探测网络: SPP,RCNN,Fast R-CNN,Net,SSD,R-FCN,Faster R-CNN,MaskR-CNN,YOLO 另有NLP,机器翻译,图像风格转换论文若干

预训练模型参数， 执行完demo.py程序后删除tf-faster-rcnn/output/res101/voc_2007_trainval+voc_2012_trainval下的default文件 ，然后再去执行测试文件，因为测试时还要创建一个default文件，那个和现在这个是不一样的，所以如果不删除这个现存的default文件会导致无法测试，显示default文件已存在，创建失败。当然测试完之后如果要运行demo.py文件的话，同样是要删除掉测试时创建的default文件的。（很奇怪，这是我在一个GitHub上的讨论中找到的答案）

使用tensorflow框架对高光谱图像进行识别、分类

在下载模型 自述文件正在建设中：）

keras-resnet：用于深度残差网络的Keras软件包

ResNet与DenseNet.pdf

ResNet实战.pdf