caffe python3的编译好的文件 CPU版本,不需要自己再次编译，方便大家(VS2015+python3+cpu)

AOD网 ICCV 2017 AOD-Net是一种轻量但有效的端到端除雾神经网络。 您可以轻松，快速地进行培训或测试。 测试： 我们提供了test.py，相关的原型和数据。 您可以仅在GPU / CPU上使用“ python test.py”，就可以在数据/结果中获得结果。 祝您研究顺利。 带有位置归一化（PONO）的改进的AOD-Net 我们感谢AOD-Net的。 基于此代码，我们将简单的添加到AOD-Net中，从而有效地提高了性能。 以前的AOD-Net结果： 对于TestSet A，PSNR从19.69 dB增加到20.38 dB，SSIM从0.8478增加到0.8587。 对于TestSetB，PSNR从21.54 dB增加到21.67 dB，SSIM从0.9272增加到0.9285。 请在找到详细信息。 Bibtex： @inproceedings{ICC

openpost caffe 模型库， 包括：pose_iter_160000.caffemodel pose_iter_440000.caffemodel pose_iter_116000.caffemodel pose_iter_102000.caffemodel pose_iter_584000.caffemodel pose_iter_440000.caffemodel pose_iter_160000.caffemodel

从py-faster-rcnn修改，在windows下添加了需要的fast RCNN层，已经生成pycaffe，供python版本的faster RCNN调用。这里增加了gpu版本。安装了python3，以及依赖包，下载caffemodel就可以运行。 cpu版本 http://download.csdn.net/download/wanggao_1990/10180233

当你安装caffe报错： DBTest/1.TestWrite fails: MDB_BAD_TXN: Transaction cannot recover - it must be aborted 请下载安装

vgg16_caffe_pth_and_head_detector_final.zip

Mobilenet-SSD的Caffe系列实现-附件资源

opencv_face_detector_uint8.pb和 res10_300x300_ssd_iter_140000_fp16.caffemodel 下载

pytorch-liteflownet 这是使用PyTorch对LiteFlowNet [1]的个人重新实现。 如果您要利用这项工作，请相应地引用本文。 另外，请确保遵守作者的。 如果您要使用此特定实现，请适当确认它[2]。 有关这项工作的原始Caffe版本，请参阅： : 我的另一个光流实现： : 我的另一个光流实现： : 我的另一种光流实现： : 设置 相关层是使用CuPy在CUDA中实现的，这就是为什么CuPy是必需的依赖项的原因。 可以使用pip install cupy安装它，也可以使用CuPy存储库中概述的提供的之一进行pip install cupy 。 如果您想使用Docker，则可以查看pull请求以开始使用。 用法 要在自己的映像对上运行它，请使用以下命令。 您可以在三种型号之间进行选择，请确保查看其型号/代码以获取更多详细信息。 python ru

VGG_ILSVRC_16_layers，包含VGG_ILSVRC_16_layers_fc_reduced.caffemodel和VGG_ILSVRC_16_layers_fc_reduced_deploy.prototxt两个文件