基于GAN的HRRS图像生成样本分类 基于GAN的方法用于生成高分辨率遥感数据，以进行数据增强和图像分类。 深度学习框架是：Tensorflow。 Python版本：2.7 CUDA版本：9.1 端子命令： 数据集为UCM，NWPU-RESISC45：（1）UC Merced数据集 （2）NWPU-RESISC45数据集

DeFLOCNet：通过灵活的低级控件进行深度图像编辑（CVPR2021） DeFLOCNet的官方pytorch代码。

CNN模型简单介绍,按照提出时间依次介绍LeNet,AlexNet,VGG,GoogLeNet,ResNet,GAN,R-CNN。十几页的ppt，主要介绍各个模型的核心思想、贡献，希望能为大家提供一条清晰的CNN发展脉络。具体的算法实现等需要阅读文章代码。相关文章会作为另一个资源提供免费打包下载。

CatDCGAN :cat_face:‍:laptop: 生成Cat图片的DGAN Cat DCGAN是深度卷积生成对抗网络（DCGAN） ，可生成猫的图片 这是一个开源项目 本教程 :page_with_curl: 如果您想自己实现它并了解它是如何工作的，请阅读我在FreeCodeCamp上的文章 链接 :link: :globe_with_meridians: ： : 如果您有任何疑问，请随时问我： :e-mail: ： GitHub： : :globe_with_meridians: ： : 推特： 在这一部分中，我们将实现DCGAN。 我们的架构： 入门 :memo: 在此处下载数据集： : //www.kaggle.com/crawford/cat-dataset 下载模型检查点： https : //drive.google.com/drive/folders/1zdZZ91fjOUiOsIdAQKZkUTATXzqy7hiz?usp=sharing 键入sh start.sh它将处理提取，移除异常值，规

KERAS-DCGAN 具有（awesome） 库的实现，用于通过深度学习生成人工图像。 这将在真实图像上训练两个对抗性深度学习模型，以产生看起来真实的人工图像。 生成器模型尝试生成看起来真实的图像，并从鉴别器中获得高分。 鉴别器模型试图区分生成器的真实图像和人工图像。 这假设theano排序。 您仍然可以通过在〜/ .keras / keras.json中设置“ image_dim_ordering”：“ th”与tensorflow一起使用（尽管这样做会更慢）。 用法 训练： python dcgan.py --mode train --batch_size <batch_si

ADDA的pytorch实现代码

generative_adversarial_networks_101：生成对抗网络的Keras实现。 具有MNIST和CIFAR-10数据集的GAN，DCGAN，CGAN，CCGAN，WGAN和LSGAN模型

GAN生成对抗网络 基于Tensorflow 实现去噪 以及图片生成 可自己修改图片数据集 以及迭代次数等 内附命令行 小白可上手

Tensorflow中创建自己的GAN的教程

GaN光电导型探测器的缺点是光电导的持续性，即光生载流子不会随入射光的消失而立刻消失，此效应增加了光响应时间降低了探测器工作速率。相比之下，GaN基肖特基结构紫外光电探测器有较好的响应度和更快的响应速度。支GaN基肖特基紫外光电探测器于1993年被提出四，它具有如图1（a）所示的结构：它也是在蓝宝石衬底上外延生长GaN，通过掺杂Mg实现P型掺杂，再淀积电极形成肖特基势垒和欧姆接触，图中Ti/Au为肖特基接触，Cr/Au为欧姆接触。零偏压下光响应是0.13A/W，响应时间大约为1uS，光谱响应也为200～365 nm。Chen等人[28]剐改用n-GaN制作了如图1（b）所示的结构，首先在蓝宝石