唐宇迪博士物体检测faster-rcnn，基于tensorflow框架，很实用

手写数字识别算法的设计与实现 本文使用python基于TensorFlow设计手写数字识别算法，并编程实现GUI界面，构建手写数字识别系统。这是本人的本科毕业论文课题，当然，这个也是机器学习的基本问题。本博文不会以论文的形式展现，而是以编程实战完成机器学习项目的角度去描述。 项目要求：本文主要解决的问题是手写数字识别，最终要完成一个识别系统。 设计识别率高的算法，实现快速识别的系统。 1 LeNet-5模型的介绍 本文实现手写数字识别，使用的是卷积神经网络，建模思想来自LeNet-5，如下图所示： 这是原始的应用于手写数字识别的网络，我认为这也是最简单的深度网络。 LeNet-5不包括

Tensorflow框架：目标检测yolo3算法实现

基于TensorFlow框架，实现对图片分类，实现花朵识别，具有一定参考价值，学习资料分享，欢迎交流学习。

这是利用卷积神经网络进行猫和狗的图像分类的相关代码，由于训练和测试的数据集较大，所以没有放上来，训练数据集需要自行下载

提前说明一下，本文的CNN神经网络模型是参考网上诸多相关CNN图像分类大牛的博客修改的，在模型的基础上，用python的Flask框架搭载了一个web页面用来可视化展示。 第一步，爬取图片数据集 用python实现了一个非常简单的网络爬虫，对百度图片接口 http://image.baidu.com/search/acjson?tn=resultjson_com&ipn=rj&ct=201326592&is=&fp=result&queryWord=高清动漫&cl=2&lm=-1&ie=utf-8&oe=utf-8&adpicid

用Python写的手写字体识别系统，基于TensorFlow的框架，很适合初学者的学习使用

Python TensorFlow框架 实现手写数字识别系统-附件资源

张量流 人脸检测MTCNN算法，采用tensorflow框架编写，从理解到训练，中文注释完全，含测试和训练，支持摄像头，代码参考 ，相应地减少了尺寸和优化。 模型理解 是目前比较流行的人脸检测方法，通过人脸检测可以进行更精准的人脸识别。模型主要通过PNet，RNet，ONet三个网络级联，一步一步精调来对人脸进行更准确的检测。论文中的模型图如下： 接下来我会从我在训练中的理解来解释MTCNN模型都干了什么。三个模型要按顺序训练，首先是PNet，然后RNet，最后ONet。 PNet： PNet是全卷积网络，主要为了应对不同输入尺度，层数很浅，主要作用是重新多的把人脸框都选进来，宁愿错误拿来好

使用TensorFlow框架进行人体姿势估计