最新更新：2021.01.08-最新版本代码库已发布，该代码库发布output_stride = 8 deeplabv3 +模型。 2019.01.21-升级纸张性能代码！ 现在，在PASCAL VOC 2012 val set上，deeplabv3 + res101达到79.155％，deeplabv3 + xception达到79.945％。 主要错误是缺少“同步批处理标准化”的patch_replication_callback()函数。 2018.11.26-更新包括支持Xception网络，多尺度测试，网络输出步幅修改，纯火车组微调以及更多数据集界面（PASCAL Context，Cityscapes，ADE20K） 2018.09.28-在./lib/datasets/VOCDataset.py添加python评估函数 2018.09.21-修复./lib/dataset

针对cifar数据集，利用已有Xception模型，微调模型后，进行分类训练。

xception pytorch 预训练模型，官网不太好下载，下载速度慢我把这个下好以后上传上来了。主要是用于加载预训练的权重。

Torrent_to_Drive 使用深度学习和Flickr-8k数据集进行自动图像字幕。 还对Xception模型和Inception模型进行了比较。 这是使用卷积神经网络和一种递归神经网络（LSTM）为所有类型的图像生成标题和替代文本的最简单方法。 关于 图像特征将从在imagenet数据集上训练的CNN模型中提取（请参见下文），然后将特征输入到LSTM模型中，后者将负责生成图像标题。 此回购围绕Keras提供的2个模型进行。 提取的功能可以在找到 使用的数据集可以在找到 Jupyter笔记本可以在找到 训练过的模型可以在找到 需求和依赖关系可以在找到 字幕生成器可以在找到 想要贡献？ 建议，错误报告，错误解决受到高度赞赏，请打开问题和/或PR 建立 设置虚拟环境（强烈推荐） 激活环境。 安装需求，使用pip3 install -r requirements.txt 注意：

xception-b5690688.pth预训练模型，Xception（一种深度可分离卷积）模型，在ImageNet上取得顶尖结果的模型