【深度学习入门】Paddle实现人脸检测和表情识别（基于YOLO和ResNet18）一、先看效果：训练及测试结果：UI 界面及其可视化：二、AI Studio 简介：平台简介：创建项目：三、创建AI Studio项目：创建并启动环境：下载数据：下载预训练模型：四、代码讲解：五、算法详解：YOLO 算法详解：ResNet 算法详解：欢迎关注我的主页~ 博主主页：https://blog.csdn.net/weixin_44936889 未经博主允许，本文禁止转载！ 一、先看效果： 本项目在 AI Studio 上进行，项目地址： https://aistudio.baidu.com/aistud

用于车钩装的二分类 ，使用darknet框架下的resnet50进行训练，经过测试准确率达到98%；

ICPR2020论文《Filter Pruning using Hierarchical Group Sparse Regularization for Deep Convolutional Neural Networks》开源代码，可对模型进行分层分组稀疏正则化，可以根据这个做剪枝，效果接近SOTA，可以对vgg11、vgg13、vgg16、vgg19及其bn、resnet18、resnet34、resnet50等在cifar10/100/tinyImagenet上分别实现

pytroch官网提供的预训练模型：resnet18：resnet18-5c106cde.pth和resnet：resnet101-5d3b4d8f.pth（两个文件打包在一起）

将matlab神经网络工具箱代码导出Resnet18 ResNet-18 是一个卷积神经网络，它在来自 ImageNet 数据库的超过一百万张图像上进行了训练。 结果，网络已经为各种图像学习了丰富的特征表示。 该网络可以将图像分为 1000 个对象类别，例如键盘、鼠标、铅笔和许多动物。 该网络的图像输入大小为 224×224×3。 用法 此存储库需要 MATLAB（R2018b 及更高版本）和深度学习工具箱。 该存储库提供三个功能： resnet18Layers：使用 ResNet-18 的网络架构创建未经训练的网络要从头开始训练网络，请在 MATLAB 命令行中键入以下内容： lgraph = resnet18Layers; 未经训练的网络作为 layerGraph 对象返回。 要构建适用于图像分类的经过训练的 ResNet-18 网络，请在 MATLAB 命令行中键入以下内容： 净 = assembleResNet18; 经过训练的网络作为 DAGNetwork 对象返回。 要使用网络对图像进行分类： img = imresize(imread("peppers.png"),[22

百度网盘 resnet18-5c106cde resnet34-333f7ec4 resnet50-19c8e357 resnet101-5d3b4d8f r esnet152-b121ed2d

这是resnet-18的预训练模型，可以直接加载。还有其它1部分，需要合在一起解压。因为大小限制，所以分块。

将模型下载放入C:\Users\用户名\.cache\torch\checkpoints

基于TensorFlow2利用ResNet18+SENet 实现cifar10分类 training准确率95.66%,test准确率90.77%

利用resnet18预训练模型训练自己的数据集，代码包括了模型训练和利用新模型对数据进行分类的代码。