labelimg安装教程

竞赛任务是利用数据驱动的重建技术从有限视角的扇形光束测量中恢复乳房模型幻影图像。这项挑战的独特之处在于，参赛者获得了一组地面真实图像及其无噪音的子采样正弦图（以及相关的有限视角过滤反投影图像），但没有获得实际的正向模型。 团队名称：robust-and-stable 完成工作：首先在一个数据驱动的几何校准步骤中估计扇形光束的几何。在随后的两步程序中，设计一个迭代的端到端网络，能够计算出接近精确的解决方案。（损失低到无法想象） 方法结构： 第一步：数据驱动的几何图形识别 第二步：预训练的U-Net作为计算支柱网络 第三步：迭代方案 方法内容（摘原文翻译，其中小部分增加自己的理解和解释，公式截原文的图，水印很恶心）： 第一步 我们重建工作的第一步是从提供的训练数据中学习未知的前向算子（FBP算子）。断层扇形光束测量的连续版本是基于计算线积分。 其中x0是未知图像，L(s, )表示扇形光束坐标中的一条线，即是扇形旋转角度，s是编码传感器的位置。在一个理想化的情况下，扇形光束模型由以下几何参数指定（见图）。 d_source - X射线源到原点的距离

本代码基于Python语言编写，使用Pycharm软件，借助OpenCV库实现，可以调用摄像头采集目标人脸照片作为训练集，然后进行监督训练，最后就可以实现在摄像头中找到训练好的目标人脸。

深度学习，李宏毅学习周笔记，训练的基本步骤，学习线性模型以及Sigmoid函数，神经网络，python简单程序实践（B站 开开心心学python）

利用python中的深度学习库keras，对IMDB电影数据集建立了神经网络模型进行分析，涉及原始电影数据的词嵌入处理技术，附有完整的Python代码以及注释。

CIFAR-10 是一个用于识别普适物体的小型数据集。一共包含10 个类别的RGB 彩色图片，每个图片的尺寸为32 × 32 ，每个类别有6000个图像，数据集中一共有50000 张训练图片和10000 张测试图片。

python神经网络编程，是入门深度学习必备书，附上该书的源代码

深度学习+QT+python(一个综合应用的项目)

关于深度学习神经网络交通预测的python交通数据集PEMS08

资料为python深度学习相关的资料，附有代码html版本的压缩包