使用最新的github源程序打包的单个可执行程序LabelImg.exe文件! 省去了安装anaconda环境后再配置Label环境的步骤，直接双击Windows环境下使用，便于协同标注，提高标注效率。 labelimg工具主要用于在目标检测； labelimg用于制作自己的数据集训练像YOLOv3、YOLOv4等目标检测模型；

1.项目基于OpenCV库，通过 Dlib 提供的机器学习、数值计算、图模型算法、图像处理等相关功能，采用人脸识别预训练，实现两张照片的换脸功能。 2.项目运行环境：需要 Python 3.6 及以上配置，完成该项目所需要的库文件有 OpenCV、dlib、numpy、sys、PIL、thikter、matplotlib。 3.项目包括 7 个模块：准备数据、提取面部标记、调整脸部对齐、混合图像、校正颜色、转换函数、交互式界面设计。 4.关键库及数据准备说明：dlib.get_frontal_face_detector()是人脸检测器，检测图片中是否有人脸，返回一个矩形列表的人脸检测器。dlib.shape_predictor(PREDICTOR_PATH)特征提取器，由人脸检测器提供的边界框作为算法输入，返回一个人脸关键点预测器。采用官方提供的预训练模型：http://sourceforge.net/projects/dclib/files/dlib/v18.10/shape_predictor_68_face_landmarks.dat.bz2 构建有 68 个特征点组成的人脸特征

1.本项目基于Google的Magenta平台，它采用随机森林分类器来识别图片的情感色彩，接着项目使用递归神经网络（RNN）来生成与图片情感相匹配的音乐，最后通过图形用户界面（GUI）实现可视化结果展示。 2.项目运行环境：包括 Python 环境和Magenta环境。 3.项目包括3个模块：数据预处理、模型构建、模型训练及保存。其中数据集MIDI下载地址为http://midi.midicn.com/，数据集图片在花瓣网收集获取地址为https://huaban.com/boards/60930738/。音乐模型包含欢快和安静两类MIDI文件各100个，图片包含欢快和安静两类各250张，格式为.jpg；模型构建部分包括图片情感分析和复调音乐模型；在定义模型架构和编译之后，使用训练集训练模型，使模型对图片的情感进行分类。 博客：https://blog.csdn.net/qq_31136513/article/details/134014454

本文来自于51cto，文章详细介绍了自然语言处理的基本分类和基本概念深度学习中的NLP等相关知识。本文从两篇论文出发先简要介绍了自然语言处理的基本分类和基本概念，再向读者展示了深度学习中的NLP。这两篇论文都是很好的综述性入门论文，希望详细了解自然语言处理的读者可以进一步阅读这两篇论文。首先第一部分介绍了自然语言处理的基本概念，作者将NLP分为自然语言理解和自然语言生成，并解释了NLP过程的各个层级和应用，这一篇论文很适合读者系统的了解NLP的基本概念。第二描述的是基于深度学习的NLP，该论文首先描述了深度学习中的词表征，即从one-hot编码、词袋模型到词嵌入和word2vec等，我们首先需

本文档是针对吴恩达老师深度学习课程(deeplearning.ai)，由黄博士整理。

该数据集由17509张图像组成，包含7种不同类别的杂草图像和1个负类图像，使用csv对每一图像的类别进行标注。数据集中的每幅图像统一被缩放为256*256像素大小，该数据集主要应用于基于深度学习或机器学术的杂草分类、检测等方面的研究。

深度学习 [deep learning] AI圣经 Deep Learning 英文版 ( 花书 ) ，[美] Ian，Goodfellow，[加] Yoshua，Bengio，[加] Aaron ... 著

CBAM注意力机制的MatLab代码实现，感兴趣的可以下载看看，代码分模块封装好了，简单易用！

人工智能深度学习PPT课件

人工智能中的深度学习——从机器感知到机器认知-邓力专题培训课件.ppt