VGG16权重文件vgg16_weights_tf_dim_ordering_tf_kernels.h5的百度网盘下载链接，文件较大从GitHub国内下载速度很慢要两个小时，提供网盘资源需要请下载。

face_recognition 项目名称为：自建数据集人脸识别。该项目利用电脑自带摄像头或者已有照片进行人脸数据集建立，再进行人脸检测，人脸识别，人脸预测，包括数据采集、数据预处理、建模、模型训练、模型使用预测全过程。项目使用Openc3进行数据采集、数据预处理，Keras 进行建模，模型参考了VGG16网络，包含4个卷积层，5个LeRu层，2个池化层，3个Dropout层，2个全连接层，1个flatten层，1个分类层，共18层。 更多内容，请看代码中的 read_me.pdf ！

我就废话不多说了，大家还是直接看代码吧~ import torch import torch.nn as nn import torch.nn.functional as F class VGG16(nn.Module): def __init__(self): super(VGG16, self).__init__() # 3 * 224 * 224 self.conv1_1 = nn.Conv2d(3, 64, 3) # 64 * 222 * 222 self.conv1_2 = nn.Conv2d(64, 64, 3, padding=(1, 1)) # 64 * 2

医疗的 将vgg16应用到医学图像（视网膜）分类中

灰度特征提取matlab代码基于VGG16 / 19，SIFT和灰度直方图的Caltech-101图像分类 该项目通过python和matlab提供图像分类代码。 我的实验环境是Windows 10 / Tensorflow 1.14.0，keras 2.3.1和Ubuntu 18.04上的nivdia 2080Ti上的Matlab R2019a。 对于Python 此代码基本上是指。 使用2080Ti训练整个数据集基本上将花费不到2个小时。 参考精度： 模型 VGG16 VGG19 准确性 59.02％ 54.86％ 脚步 下载caltech-101并将其放在“数据/”中。 将“路径”更改为数据所在的路径。 为VGG19运行“ Train_caltech.py​​”，为VGG16运行“ Train_caltech_vgg16.py”。 对于Matlab 该代码基本上基于特征提取，SVM和vlfeat。 供参考的精度：比Python中的精度高近20％。 我猜想matlab工具包中的VGG模型是经过预训练的，而我是用Python从头开始训练模型的。 模型 VGG16 VGG19 准确性

Pytorch CIFAR-10分类（VGG16）

This repo implements SSD (Single Shot MultiBox Detector). The implementation is heavily influenced by the projects ssd.pytorch and Detectron. The design goal is modularity and extensibility. Currently, it has MobileNetV1, MobileNetV2, and VGG based SSD/SSD-Lite implementations. It also has out-of-box support for retraining on Google Open Images dataset.

vgg16代码，最简单pytorch版本，容易看懂，易上手，按照论文敲的

vgg16_caffe_pth_and_head_detector_final.zip

···此资源是基于猫狗二分类的VGG16网络实例呃，由tensorflow实现，需要借鉴学习的自取。