沟通是聋哑社区和社会其他成员之间的障碍。 手语用于在这些不会说话和听不懂的人之间进行交流。 在过去的几年中，手语识别的自动化已引起研究人员的关注。 已经开发了许多复杂且昂贵的硬件系统来辅助该目的。 但是，我们建议使用深度学习方法进行自动手语识别。 我们设计了一种基于ResNet50的新型2级深度神经网络体系结构来对拼写单词进行分类。 使用的数据集是标准的[1]的美国手语手势数据集。 首先使用各种扩充技术来扩充数据集。 在基于2级ResNet50的方法中，1级模型将输入图像分类为4组之一。 在将图像分类为一组图像之后，将其提供为相应的第二级模型的输入，以用于预测图像的实际类别。 我们的方法在12,048张测试图像上产生了99.03％的精度。

deeplabv3-resnet50-coco torch

知识蒸馏IRG算法实战：使用ResNet50蒸馏ResNet18 的源代码。详细看文章：https://blog.csdn.net/hhhhhhhhhhwwwwwwwwww/article/details/127912648?spm=1001.2014.3001.5501

ResNet50分类训练模型，使用flowers102数据集利用paddlepaddle平台训练，此处包含paddle、onnx、ir、engine四种格式模型文件，可以在Paddle Inference\OpenVINO、NVIDIA TensorRT以及ONNX runtime等部署平台使用。

本图文案例重点分析和展MindX SDK Se-Resnet50开发流程：创建工程;代码开发并且分享模型代码网址，并解释关键代码构成;数据准备及模型准备，模型转换功能介绍;运行测试

基于ResNet50的模型结构：ResNet50_ImageNet_CNTK

基于megengine的freeanchor的目标检测模型，主干网络ResNet50

基于megengine的ATTS的目标检测模型，主干网络ResNet50

基于megengine的FasterRCNN的目标检测模型，主干网络ResNet50

基于megengine的FCOS的目标检测模型，主干网络ResNet34