内包含ResNet50网络模型，模型预训练参数（.h5文件，基于tf2），以及一项使用tf2实现的对ResNet50的网络结构和预训练参数的分开调用。
2022-04-01 20:19:54
90.77MB
1
resnet50_weights_th_dim_ordering_th_kernels_notop.h5
50层残差网络模型,权重训练自ImageNet
该模型在Theano和TensorFlow后端均可使用,并接受channels_first和channels_last两种输入维度顺序
模型的默认输入尺寸:224x224
2022-03-20 11:01:17
90.27MB
1
深度学习的预训练模型的resnet模型权重，用于深度学习领域的对抗样本生成、图像识别等等，有兴趣的可以下载！
2022-03-20 10:39:47
90.75MB
1
caffe Person Reid github项目：https://github.com/ShuangLI59/person_search所需要的caffemodel(训练好的)
2022-03-12 20:17:12
120.44MB
1
开发环境：Python3.6.5、keras2.2.4、tensorflow1.12、django等
系统应用：本部分在训练完植物叶片病害识别的模型参数后，将植物叶片病害识别的模型部署到Web中，前端负责获取用户在页面上传的图像并预处理，再向服务器发出AJAX请求，请求内容为待识别的图像。服务器端程序生成TF会话并加载训练好的模型，调用相应的视图函数将请求数据送入TF会话中计算，最后将识别结果异步回传到前端。
2022-02-21 09:28:56
87.84MB
数据集：本实验使用 Plant Village 公开数据集。本实验中的数据集共用 38个类别名称，代表38类病害。
代码：包含resnet50\ATT-ResNet\VGG等多个模型
实现环境：Python3.6.5、keras2.2.4、tensorflow1.12
2022-02-21 09:28:55
502.58MB
本例提取了猫狗大战数据集中的部分数据做数据集，演示tensorflow2.X版本如何使用Keras实现图像分类，分类的模型使用ResNet50。本文实现的算法有一下几个特点：
1、自定义了图片加载方式，更加灵活高效，不用将图片一次性加载到内存中，节省内存,适合大规模数据集。
2、加载模型的预训练权重，训练时间更短。
3、数据增强选用albumentations。
2022-01-23 09:15:29
936.29MB
《PaddlePaddle Fluid深度学习入门与实战》第九章的ResNet50_pretrained预训练模型
2021-12-21 17:51:14
90.73MB
1
resnet50-19c8e357.pth：pytorch预训练模型-resnet50，亲测可用，欢迎下载
2021-12-14 16:21:34
90.69MB
1
DeepF（深时尚）
背景
基于“深层时尚数据集”的时尚分析。 以下术语适用
“类别”：衣服分为“上身”，“下身”和“全身”衣服
“类别”：在类别中，服装的不同类别（例如，“ T恤”，“衬衫”等）
设定环境
该项目假定您已经设置了环境。 该项目基于以下主要依赖关系（这是在执行时。新版本也可以使用）：
classDetect ， classDetectKinli ：python = 3.6.7 tensorflow-gpu = 1.11.0 keras = 2.2.4
keras-frcnn ：python = 3.6.8 tensorflow-gpu = 1.8.0 keras = 2.2.0
（注意：较旧版本的keras / tensorflow是必需的，因为较新版本中存在一个错误，会在模型训练期间导致致命错误）
提示：在具有Xeon 6核3.5 GHz，12 GB RAM，NV
2021-12-02 11:04:40
22.9MB
1