异物侵入铁路限界对铁路系统可靠性造成了极大的威胁。为达到高分类准确率及低模型内存占用率兼备的目的，针对既有技术方法中分类效果、泛化性能较差以及耗时久、模型占用空间大等问题，本文提供了一种快速训练算法，采用网络迁移压缩同时进行的方式，提出基于特征图L1或L2范数的递归式裁剪准则剔除冗余卷积核以压缩网络。对于单个相机新场景的目标分类任务，只需使用在混合场景数据上得到的最优分类网络模型通过压缩和微调训练便可以实现不同场景铁路异物分类的快速训练。实验表明，在基于铁路场景数据库的测试中，该算法可以将原始VGG16模型的参数消耗内存压缩1 020倍，在不同的单个相机场景测试样本库上压缩后网络的分类误差最低为0.34％。

图片分割matlab代码mnet_deep_cdr TMI 2018的代码“基于多标签深度网络和极坐标变换的联合光盘和杯分割” 项目首页： 安装依赖项 pip install -r requirements.txt 安装套件 pip install . OpenCV将需要单独安装。 该代码基于： TensorFlow 1.14（使用Keras）+ Matlab 深度输出是没有椭圆拟合的原始分割结果。 Matlab代码是椭圆拟合和CDR计算（通过使用PDollar工具箱：）。 您可以运行“ Step_3_MNet_test.py”直接测试任何新图像。 我们还在“ REFUGE_result”折叠中提供了验证和测试结果。 注意：由于在SciPy 1.3.0中已删除SciPy 1.0.0中的“ scipy.misc.imresize”，因此原始训练模型“ Model_MNet_REFUGE.h5”不适用。 基于“ Model_MNet_REFUGE.h5”的结果与论文的结果不同。 正在更新模型...如果您想从眼底图像中分割椎间盘/杯，可以考虑使用我们的最新方法：CE-Net和AG-Net，它

联合学习（PyTorch） 香草联合学习论文的实施：。 在MNIST，Fashion MNIST和CIFAR10（IID和非IID）上进行了实验。 在非IID的情况下，用户之间的数据可以相等或不相等地分割。 由于这些实验的目的是说明联合学习范例的有效性，因此仅使用诸如MLP和CNN的简单模型。 要求 从requirments.txt安装所有软件包 Python3 火炬 火炬视觉 数据 手动下载训练和测试数据集，否则它们将自动从Torchvision数据集下载。 实验在Mnist，Fashion Mnist和Cifar上进行。 要使用自己的数据集，请执行以下操作：将数据集移动到数据目录，并在pytorch数据集类上编写包装器。 运行实验 基线实验以常规方式训练模型。 要使用CPU在MLP上对MNIST运行基线实验，请执行以下操作： python src/baseline_ma

darknet深度网络开发，目标识别，yolo网络，源码，python

NN-SVG：自动生成精美的深度网络架构图

综合梯度 这是的pytorch实现。 原始的tensorflow版本可以在找到。 致谢 要求 python-3.5.2 pytorch-0.4.1 的OpenCVPython的 待办事项清单 添加更多功能作为原始代码。 微调结果，使它们接近原始纸张。 指示 强烈建议使用GPU加速计算。 如果使用CPU，我建议选择一些小型网络，例如resnet18 。 您还需要将图像放在examples/ 。 支持的网络列表（当然，您可以自己添加任何网络） 起始 网路18 resnet152 vgg19 运行代码 python main.py --cuda --model-type= ' inception ' --img= ' 01.jpg ' 结果 结果与原始论文略有不同，它可能存在一些错误或需要进行一些调整。 我会不断更新，欢迎任何贡献！ 盗梦空间v3 ResNet-18 ResNe

张量流LPRnet LPRnet的tensorflow实现。 用于车牌识别的轻型深度网络。 多尺度CNN功能 可变长度字符的CTC 没有RNN层 训练 生成板图像进行训练 python gen_plates.py 生成验证图像 python gen_plates.py -s .\valid -n 200 火车 python main.py -m train 或使用运行时生成的图像进行训练 python main.py -m train -r 将为每个SAVE_STEPS步骤保存模型检查点。 将针对每个VALIDATE_EPOCHS时期执行验证。 测试 生成测试图像 python gen_plates.py -s .\test -n 200 恢复检查点进行测试 python main.py -m test -c [checkpioint] 例如 python main.py

PyTorch中的MAML和爬行动物 PyTorch中“用于快速适应深度网络的与模型无关的元学习”的代码。 我重新调制了@AdrienLE IPython Notebook，使其从main.py运行，请查阅参考资料以更好地解释算法。 免责声明 我只是为了学习目的而使用它 参考

主要介绍了简单易懂Pytorch实战实例VGG深度网络

FlowNet2（TensorFlow） 此仓库包含用于TensorFlow的FlowNet2 [1]。 它包括FlowNetC，S，CS，CSS，CSS-ft-sd，SD和2。 安装 pip install enum pip install pypng pip install matplotlib pip install image pip install scipy pip install numpy pip install tensorflow Linux： sudo apt-get install python-tk 您必须安装CUDA： make all 下载砝码 要下载所有模型