深度学习图像标注工具支持目标定位、图像分割，四点、多点标注，本文件是直接可运行的文件，不需要安装，支持XML、Json格式

PCB电路板瑕疵检测图像数据集（600多张，含标签）

该脚本用于将labelme标注的数据集转换为COCO数据集。在使用maskrcnn-benchmark训练自己的数据集时会用到。

首先阐述了汽车界对无人驾驶的定义,然后详细分析了国内外无人驾驶汽车的发展历史以及各车企和互联网公司的研究现状。通过详细分析无人驾驶汽车工作原理、体系架构设计以及具体实现方法,简单说明了目前无人驾驶汽车遇到的关键问题和难题,同时重点描述了目前深度学习在图像处理方面的突破性进展以及在无人驾驶汽车领域的应用实践,最后对无人驾驶的未来发展做了展望。 知网论文，学习使用

要解决的是一个医学图像的二分类问题，有AK和SK两种病症，根据一定量数据，进行训练，对图像进行预测。 给定图片数据的格式： 解决思路 整体上采用迁移学习来训练神经网络，使用InceptionV3结构，框架采用keras. 具体思路： 读取图片数据，保存成.npy格式，方便后续加载 标签采用one-hot形式，由于标签隐藏在文件夹命名中，所以需要自行添加标签，并保存到.npy文件中，方便后续加载 将数据分为训练集、验证集、测试集 使用keras建立InceptionV3基本模型，不包括顶层，使用预训练权重，在基本模型的基础上自定义几层神经网络，得到最后的模型，对模型进行训练 优化模型，调整超参数，提高准确率 在测试集上对模型进行评估，使用精确率、召回率 对单张图片进行预测，并输出每种类别的概率 如何加载实际数据，如何保存成npy文件，如何打乱数据，如何划分数据，如何进行交叉验证 如何使用keras进行迁移学习 keras中数据增强、回调函数的使用，回调函数涉及：学习速率调整、保存最好模型、tensorboard可视化 如何使用sklearn计算准确率，精确率，召回率，F1_

1. Unity-2019.2.1f1 2. python-3.5 3. dlib-19.18 4. numpy-1.15.4 5. torch-1.1.0 6. opencv-contrib-python 3.4.0.12 7. tqdm-4.23.4 8. argparse-1.4.0 9. scipy-1.0.1 10. tensorboardX 网易的研究者提出了一种游戏角色自动创建方法，利用 Face-to-Parameter 的转换快速创建游戏角色，用户还可以自行基于模型结果再次进行修改，直到得到自己满意的人物。此项目按照论文里的描述建立。 Face-to-ParameterTranslationforGameCharacterAuto-Creation 对于输入图片，通过此工具dlib进行脸部截取。 pip3 install dlib 或者使用conda安装 conda install -c menpo dlib dlib 引用模型下载地址: http://dlib.net/files/shape_predictor_68_face_landm

视频质量诊断，之前由于数据不足，采用传统的方法进行检测，当前已经积累了一些数据，采用分类模型做了训练和检测工作，主要有：亮度异常检测、偏色检测、图像噪声检测、条纹噪声检测、清晰度检测、信号丢失检测、遮挡检测和对比度检测。 https://blog.csdn.net/zhulong1984/article/details/125155862

分享一套人工智能视频教程——《人工智能：深度学习从入门到精通》，2022年最新课程，课程分为9大阶段，25周完整版，提供视频配套的所有源码和文档下载！

人工智能：深度学习从入门到精通（25周全，图像分类+图像分割+目标检测+人脸识别+模型分析）

分享深度学习课程——《人工智能：深度学习从入门到精通2022》课程从框架到模型，从理论到实战，循序渐进系统进阶。结合几十个配套案例，全面覆盖深度学习核心应用场景，具体包含：数据使用、图像分类、图像分割、目标检测、图像生成GAN、模型分析、设计与优化、人脸图像检测与识别、视频分类与行为识别等等，深度学习从零到精通！