深度域适应中常见的数据集之一，image_CLEF，原始图像数据 有b、c、i、p四个子数据域，每个子数据域有12类。

python实现图像数据增强，实现对数据的增强，包括调亮，调暗，裁剪，镜像等等等，操作简单，可批量处理

卷径神经网络对图像进行识别的基础是图像数据的预处理，文档介绍了如何对自身图像就是数据处理并将图像数据传入卷积神经网络进行图像分析与识别

手写数字识别系统。图像二值化处理-图像切割-智能化个人手写数字识别。python代码使用SVM，matlab使用CNN。

使用MNIST数据集完成简单的分类任务，本压缩包包含四个压缩文件，分别为训练集和测试集的标签和图像

可视化 使用Tensorflow和Keras中的预训练网络对大型数据集图像进行TSNE可视化 依存关系 麻木 张量流 凯拉斯 keras_vggface scikit学习 matplotlib glob2 皮尔 用法： 执行python tsne-visualization.py --help进行使用

该脚本可以将KITTI数据集中的图像序列换转成ROS中的.bag文件格式。具体使用方法代码中给了示例。例如：将双目数据转换成.bag文件： python img2bag_kitti_StereoBag.py /home/Andy/my_workspace/Dataset/KITTI/01 KITTI_01.bag /home/Andy/my_workspace/Dataset/KITTI/01/times.txt

经典的ORL人脸数据集，40个人每人10张，总计400张，格式为.bmp，opencv可直接读取。已分好类，图像路径格式为 ./AR/si/j.bmp。图像清晰，分辨率为92x112

Tensorflow 2.0卷积神经网络cifar-10数据集图像分类1、cifar 10 数据集简介2、数据导入3、CNN模型搭建4、模型编译训练5、模型评估及预测6、拓展学习之独立热编码实现 1、cifar 10 数据集简介    cifar 10相比于MNIST数据集而言更为复杂，其拥有10个种类**（猫、飞机、汽车、鸟、鹿、狗、青蛙、马、船、卡车）**，这十大类共同组成了50000的训练集，10000的测试集，每一张图片都是32*32的3通道图片（彩色图片），在神经网络中，通常表示成如下形式：

城市街景数据集，大约有3500张图片。每张图片为，街景图和标签图拼接成的。可以根据需求下载。深度学习初学者希望给大家带来帮助，共同进步。