亲测可用了，pyqt5+keras。大家在下载完成之后需要安装的库： keras 2.2.4 PyQt5 5.11.3 pandas 0.24.2 scikit-learn 0.21.2 tensorflow 1.13.1 imutils 0.5.2 opencv-python 4.10.25 安装完成后可以直接运行runMain.py

衣服识别（版本1） 研究 阅读，我知道了一个简单的CNN，任何转移学习模型都不会带来任何好的结果。 问题是，首先，衣服经常有很大的差异，其次，衣服变形，其次，衣服图像是在不同的情况下拍摄的。 FashionNet中建议的解决方案，该方案需要几个拆分的CNN分支以分配不同的属性，然后再进行串联。 我没有在单个标签上处理多个属性，也没有对像FashionNet这样的复杂CNN进行编码的经验。 目前，此任务超出了我的当前能力。 在github上进行了fashionNet的研究，没有一个是全面的，或者声称准确性很高。 我也考虑过Mask-RCNN，但是数据集没有分段注释。 我没有放弃，而是决定使用一些我知道的技术来试一试，以便稍微接近于FashionNet。 数据集 给定的数据集包含18438个文件（即6146组jpg，xml和txt），全部位于一个文件夹中。 文件名是识别其标签的一种方法。 有

基于卷积神经网络的表情识别

Speech Recognition（语音识别）-附件资源

公开集识别项目 使用PyTorch进行的开放集识别项目。 如有任何问题，请发送电子邮件 注意：由于我的实验性实现（特别是我的方法），需要重新构造。 要求 对于不同的算法和不同的数据集，要求会有所不同。通常，基本和必不可少的要求是： # pytorch 1.4+, torchvision 0.7.0 + pip3 install torch torchvision # sklearn pip3 install -U scikit-learn # numpy pip3 install numpy # scikit-learn-0.23.2 pip3 install -U sklearn 对于OpenMax： pip3 install libmr 对于绘制MNIST： pip3 install imageio pip3 install tqdm 配套 数据集 CIFAR-100（完成）

FaceIDLight :blue_book:描述 一个基于轻量级人脸识别的工具箱和管道，基于带有MTCNN-Face-Detection和ArcFace-Face-Recognition的Tensorflow-Lite。无需安装完整的tensorflow，tflite-runtime就足够了。所有工具仅使用CPU。 拉请求是欢迎的！ :high_voltage:特征 在线人脸识别 完全在CPU上运行 多面 MacBookPro2015上约4 FPS 面部检测，验证和识别工具 :check_mark_button:待办事项 GPU支持 取决于分辨率的模型选择 多线程多面 退出时，OpenCV窗口在MacOS上冻结（似乎已修复） :bowl_with_spoon:要求 其他软件包（包含在FaceIDLight中） 设置工具〜= 51.0.0 opencv的python〜 = 4.5.1.48 numpy〜= 1.19.5 tqdm〜= 4.59.0 scikit图像〜= 0.18.1

《机器学习与模式识别》同作者的又一经典之作，本书可以作为模式识别、神经网络的学习教材和参考书籍。本书为英文PDF版本，下载解压即可。

本资源包含Pattern Recognition And Machine Learning的英文版和由马春鹏翻译的中文版。

这也是本经典的书籍，搞机器学习，模式识别的可得好好看看！

Udacity机器学习工程师纳米学位 项目：狗品种分类器 这是Udacity Nanodegree中“狗品种分类器”项目的回购 Udacity的原始存储库在 项目概况 欢迎来到AI Nanodegree中的卷积神经网络（CNN）项目！ 在这个项目中，您将学习如何建立一个可在Web或移动应用程序中使用的管道，以处理用户提供的真实世界的图像。 给定狗的图像，您的算法将确定犬的品种的估计值。 如果提供了人像，则代码将识别出类似狗的品种。 在探索用于分类和本地化的最新CNN模型的同时，您将就应用程序的用户体验做出重要的设计决策。 我们的目标是，通过完成本实验，您将了解将一系列旨在在数据处理管道中执行各种任务的模型拼接在一起所面临的挑战。 每个模型都有其优点和缺点，设计一个实际应用程序常常需要解决许多问题，而没有一个完美的答案。 但是，您不完善的解决方案仍会带来有趣的用户体验！ 导入数据集 下载