深度学习(Deep Learning )是近年来提出的一种利用具有多个隐层的深度 神经网络(Deep Neural Network,DNN)完成学习任务的机器学习方法。其实质 是,通过构建具有多个隐层的神经网络模型并使用大量的训练数据来学习得到 更有用的特征,进而提升模型预测或分类的准确性。与以往的浅层神经网络的 不同之处在于,深度学习主要强调了神经网络的深度(通常有大于1层的隐层), 还突出了特征学习的重要性,从大数据中学习特征,这些特性可以刻画数据丰 富的内在信息。

斯坦福大学的计算机视觉课程（课程代号：cs231n）笔记（pdf版）

Tensorflow和Caffe等深度学习中，监督学习的数据标注是一件非常繁琐和耗时的工作，本工具在图片预览时即可自动标注物体对象，当发现标注不对时也可以手动干预纠正，生成的标注文件为.csv格式。替换snapshots下的预训练模型为自己的预训练模型能有效提高标注精度和扩展支持的物体对象。

乳腺癌病理图像的自动分类具有重要的临床应用价值。基于人工提取特征的分类算法，存在需要专业领域 知 识 、耗 时 费 力 、提 取 高 质 量 特 征 困 难 等 问 题 。 为 此 ，采 用 一 种 改 进 的 深 度 卷 积 神 经 网 络 模 型 ，实 现 了 乳 腺 癌 病 理 图 像的自动分类;同时，利用数据增强和迁移学习方法，有效避免了深度学习模型受样本量限制时易出现的过拟合问 题。实验结果表明，该方法的识别率可达到 91%，且具有较好的鲁棒性和泛化性

深度学习进行图像处理的资源汇总，经过整理和分类的开源项目集合

人体动作识别是计算机视觉和模式识别中一个非常活跃的领域，并且在自然人机交互、虚拟现实、智能视频监控和多媒体搜索领域中有很多潜在的应用。

图像库包括公交车、马、犀牛等各类数据，供训练测试使用。资源来自互联网，仅供学习交流。

根据参考图像各个通道的灰度分布，将一副图像的灰度分布映射过去，使映射后的两幅图像灰度分布非常接近，被称为histogram matching或者histogram specification，常用于网络训练的图像数据扩增

阿里天池FashionAI服装属性标签图像识别Top1-5方案分享