件太大（1.05G）需要百度网盘下载。 所有代码用Keras实现，覆盖猫狗识别的基础网络、数据增强、VGG网络特征提取以及模型微调。 data文件夹是要用到的Kaggle数据集 1.DATA.py 用于Kaggle准备数据集，输出结果在data文件夹下 2.data_augmentation.py 用于展示数据增强的效果 3.Model.py 是个简单的识别猫狗的卷积+全连接的网络 4.Model_Aug.py 在 Model.py 的基础上加了数据增强 5.Model_VGG.py 使用VGG作为基础网络，只训练分类器 6.Model_VGG_Aug.py 在 Model_VGG.py 上加了数据增强 7.Model_VGG_fine_tuning.py 在 Model_VGG_Aug 的基础上对VGG网络的block5进行微调。 从3-4-5-6-7可以发现，网络的精度不断提升

Human-activity-detection_Motion-sense-Dataset_Kaggle:该存储库包含对运动感测数据集的分析，特征工程和运动感测数据集的分类结果

UNet：使用PyTorch进行语义分割 在PyTorch中针对高清晰度图像针对Kaggle的自定义实施 。 该模型是从头开始训练的，具有5000张图像（无数据增强），并且在超过100k张测试图像上获得了0.988423（735中的511）的。 可以通过更多的培训，数据增强，微调，使用CRF后处理以及在蒙版边缘上施加更多权重来提高此分数。 Carvana数据可在上。 用法 注意：使用Python 3.6或更高版本 预言 训练好模型并将其保存到MODEL.pth后，您可以通过CLI轻松测试图像上的输出蒙版。 预测单个图像并保存： python predict.py -i image.jpg -o output.jpg 要预测多幅图像并显示它们而不保存它们： python predict.py -i image1.jpg image2.jpg --viz --no-save >

8G数据集太大，分开下载（打开我的页面可以下载所有） Fruit Recognition 水果数据集，15个分类，训练识别应用

8G数据集太大，分开下载（打开我的页面可以下载所有） Fruit Recognition 水果数据集，15个分类，训练识别应用

8G数据集太大，分开下载（打开我的页面可以下载所有） Fruit Recognition 水果数据集，15个分类，训练识别应用

8G数据集太大，分开下载（打开我的页面可以下载所有） Fruit Recognition 水果数据集，15个分类，训练识别应用

8G数据集太大，分开下载（打开我的页面可以下载所有） Fruit Recognition 水果数据集，15个分类，训练识别应用

8G数据集太大，分开下载（打开我的页面可以下载所有） Fruit Recognition 水果数据集，15个分类，训练识别应用

8G数据集太大，分开下载（打开我的页面可以下载所有） Fruit Recognition 水果数据集，15个分类，训练识别应用