基于Opencv+Pyqt5+python实现人脸互换人脸融合人脸特效人脸生成多功能系统完整源码+代码注释+项目说明.zip， 带【GUI界面】 【项目说明】 主要是利用Opencv提供的函数在人脸上实现多功能的特效 在本项目中，实现了一个多功能美颜相机，其中实现了对人脸数据的十种处理：人脸互换（faceswap）、人脸融合（facemorph），人脸特效，人脸检测，人脸美颜，人脸磨皮，调节亮度，调节饱和度，滤镜，风格变换等功能。 本次项目全部使用 Python 编写，在项目设计上遵循着配置灵活、代码模块化的思路，其中功能模块分为调节美颜，人脸识别，人脸替换，人脸融合，人脸迁移，人脸特效，证件照生成等七个功能模块。 界面模块分为调节美颜，人脸迁移，人脸识别，人脸替换，人脸融合，证件照，生成等六个界面模块，其中调节美颜所在界面模块为主界面模块。 界面和功能模块间的逻辑关系大致为：每个界面模块对应其相应的功能模块，界面为交互式界面，触发界面调用对应的功能。

基于python实现微博动态情感分析设计Flask制作restful api项目源码+数据集.zip 适用于做NLP情感分析 【备注】主要针对正在做毕设的同学和需要项目实战的深度学习学习者。 也可作为课程设计、期末大作业、作为毕设使用。 也可以用来学习、参考、借鉴。

基于python实现多张图像无缝拼接完整源码+项目操作说明.7z 基于python实现多张图像无缝拼接完整源码+项目操作说明.7z 基于python实现多张图像无缝拼接完整源码+项目操作说明.7z 图像拼接并非简单的将两张有共同区域的图像把相同的区域重合起来，由于两张图像拍摄的角度与位置不同，虽然有共同的区域，但拍摄时相机的内参与外参均不相同，所以简单的覆盖拼接是不合理的。因此，对于图像拼接需要以一张图像为基准对另外一张图像进行相应的变换（透视变换），然后将透视变换后的图像进行简单的平移后与基准图像的共同区域进行重合。 拼接效果:https://blog.csdn.net/DeepLearning_/article/details/127721721#comments_24570232

猜数字小游戏。程序可以通过几次提问猜出用户所想的数。

深度学习作业_基于pytorch框架python实现手写数字识别完整源码+代码注释+实验报告.zip 使用MNIST手写数字体数据集进行训练和预测，实现测试集准确率达到98%及以上。本实验的目的： 掌握卷积神经网络基本原理，以LeNet为例 掌握主流框架的基本用法以及构建卷积神经网络的基本操作 了解如何使用GPU

深度学习作业_基于pytorch框架python实现自动写诗完整源码+代码注释.zip 自动写诗，使用tang.npz，使用深度学习框架Pytorch，最终实现一个可以自动写诗的程序。本实验的目的如下： 理解和掌握循环神经网络概念及在深度学习框架中的实现 掌握使用深度学习框架进行文本生成任务的基本流程：如数据读取、构造网络、训练和预测等

Python实现表面网格重采样算法ACVD - pyvista/pyacvd-源码

基于python实现的BP神经网络手写数字识别模型实验源码+详细注释+数据集+项目说明+实验结果及总结.7z 人工智能 课程作业 手写数字数据集 BP网络模型识别手写数字 反向传播（英语：Backpropagation，缩写为BP）是“误差反向传播”的简称，是一种与最优化方法（如梯度下降法）结合使用的，用来训练人工神经网络的常见方法。该方法对网络中所有权重计算损失函数的梯度。这个梯度会反馈给最优化方法，用来更新权值以最小化损失函数。反向传播要求有对每个输入值想得到的已知输出，来计算损失函数梯度。因此，它通常被认为是一种监督式学习方法。反向传播要求人工神经元（或“节点”）的激励函数可微。

基于python实现的CNN卷积神经网络手写数字识别实验源码+详细注释+数据集+项目说明+实验结果及总结.7z 人工智能课程作业 手写数字识别 数据集 详细注释 好理解 实验结果及总结 基于python实现的CNN卷积神经网络手写数字识别实验源码+详细注释+数据集+项目说明+实验结果及总结.7z

基于Keras+python实现的声纹识别系统完整源码(可训练和测试)+带数据集+训练好的模型+项目说明.7z 【项目】基于深度学习的声纹识别 【主要功能】 通过声音识别人物 实现原理（流程）： 音频 → 提取语音特征（FFT、Mel过滤、MFCC）→ CNN&GRU → Triplet loss损失函数训练 + 预训练 + 训练得结果