使用训练好的模型进行预测，可以与我的模型训练和保存配套使用

facenet训练好的模型 20180402-114759，用于tensorflow FaceNet人脸识别

Tensorflow训练好的模型，包含了各种调用方法讲解。

tensorflow训练之后的Inception v3模型，经过Imagenet数据得到的模型参数。可以直接分类图片，或者经过Retrain实现迁移学习。

该资源是一个txt文档，本人研究语义分割算法时，总结了一些经典算法的下载地址，包括数据集使用情况、基于算法训练好的模型(caffemodel)

源项目 https://github.com/sfzhang15/RefineDet 基于caffe搭建RefineDet并训练自己的模型， 实测对于小目标的检测强于YOLOv3 注：文档c步骤第一步要在RefineDet_root/data 下新建VOC2008文件夹。文档里写错

基于selective_search源码对手写数字串进行过滤分割，并基于tensorflow在mnist训练好的模型进行识别。 环境：Windows10 + tensorflow1.2 + python3.5 + cv2 程序： example/demo.py---对手写数字图片的分割，并将每个数字做成28*28的黑底白字图片，保存在本地image_data.npy example/mnist_model.py---对手写体mnist数据集进行训练，训练好后读取数据进行识别 example/camera.py---是调用计算机摄像头获取图片用的，按q退出拍照 selectivesearch/selectivesearch.py---是选择性搜索的源代码 注意：手写数字的图片尽量不要太大（太大会显得数字写的太细，调大数字粗细度），每个数字大小不要差太多，可以在画板上写的一个数字长宽在50像素左右效果不错，其他的没有测试过。