Mask-Rcnn-实例分割模型在Keras当中的实现 目录 所需环境 tensorflow-gpu==1.13.1 keras==2.1.5 文件下载 这个训练好的权重是基于coco数据集的，可以直接运行用于coco数据集的实例分割。 链接: 提取码: 15cj 这个数据集是用于分辨图片中的圆形、正方形、三角形的，格式已经经过了处理，可以让大家明白训练集的格式。 链接: 提取码: 9457 训练步骤 1、准备数据集 a、利用labelme标注数据集，注意标注的时候同一个类要用不同的序号，比如画面中存在两个苹果那么一个苹果的label就是apple1另一个是apple2。 b、标注完成后将jpg文件和json文件放在根目录下的before里面。 c、之后运行json_to_dataset.py就可以生成train_dataset文件夹了。 2、修改训练参数 a、dataset.py内修

使用带有 keras CNN 模型和 openCV 的 fer2013 数据集检测以下面部情绪 - 愤怒、厌恶、恐惧、快乐、悲伤、惊讶、中性。准确度：66%。需要下载预先训练的情感检测模型，caffemodel和prototxt在模型的模型推断。

基于keras深度学习框架实现验证码识别

猫狗分类大战（keras ）

图像标注、训练、识别（Keras2.3.1+TensorFlow-gpu2.1.0 + cuda10.0）

实时面部表情识别 使用Tensorflow-Keras API中的转移学习（计算机视觉）进行面部表情识别或面部表情识别

tensorflow1.14与keras依赖包都在里面。安装的anaconda2019.03，使用的是python3.7，直接安装anaconda之后，由于机子不能联网，为了安装tensorflow，所以一个个下载依赖包进行安装，现打包给大家分享，大部分都是whl文件，使用pip先安装一个叫wheel开头的文件，然后其他的安装也有顺序，自己试几下就行了，pip怎么安装whl，自己查下，网上很多的，自己试几次就好了，自己就是这么安装好的。（备注：里面的文件不要改名字，之前为了方便安装，把里面文件改成简单名字，安装不上）

<>中-mnist实验章节，隐藏层中神经元数量变化对实验影响的代码，主要改变隐藏层的“深度深度深度深度深度”，及神经元数量（重复强调）

使用深度学习的入侵检测系统 使用ISCX 2012 IDS数据集训练的VGG-19深度学习模型 框架和API Tensorflow-GPU 凯拉斯 NVIDIA CUDA工具包9.0 NVIDIA cuDNN 7.0 工具类 Anaconda（Python 3.6） 药香 如何使用 从链接下载ISCX 2012数据集 然后运行名为ISCX FlowMeter的Java程序，该程序可在GitHub上找到。 您可以为此使用任何IDE （如果这不能将.PCAP转换为.XML，请尝试以下操作） 接下来，我要确保您的系统能够运行深度学习软件。 要进行检查，可以按照我创建的本指南进行操作：

针对VOC2007数据集，9963张RGB图片，9963个xml文件。 搭建YOLOv3模型，加载Darknet-53权重，从头开始手动训练调参。 最后检测精度非常高，针对如此复杂的数据集都能达到70%以上。