本人之前一直在学习医学图像超分辨率重建，这是2016发表在CVPR上的少有的关于超分的文章，经过一段时间的学习制作了这个PPT，可以用来课程演示或者自己对超分重建的学习。

Sentiment_Analysis_Deep_Learning：使用深度学习（CNN）进行情感分析

脑年龄预测 最后一年的项目-深度学习CNN预测大脑年龄

X射线图像中COVID-19的检测

深度学习CNN代码,帮助理解卷积网络，代码是可以运行的，没有问题

基于CNN的调制识别，keras框架，tensorflow后端，数据集为github通用数据集。 We survey the latest advances in machine learning with deep neural networks by applying them to the task of radio modulation recognition. Results show that radio modulation recognition is not limited by network depth and further work should focus on improving learned synchronization and equalization. Advances in these areas will likely come from novel architectures designed for these tasks or through novel training methods.

适用于吴恩达深度学习课程的yolo.h5模型文件，利用yolo官网的weights与cfg文件，通过yad2k转换为keras的h5模型文件。

你将学习实施、培训和调试自己的神经网络,详细了解计算机视觉的尖端研究。 最后的任务将包括训练数百万参数最大卷积神经网络应用在图像分类数据集(ImageNet)。 如何设置图像识别的问题,学习算法(如反向传播),实际工程技巧培训和微调网络和指导你通过实践课程作业和最后一个项目

CNN一般用来做图像数据处理，比较少见用于做普通数据预估。写了3个例子分享给大家参考参考。环境python37

Python+Opencv+CNN+Tensorflow