Keras框架：实例分割mask-rcnn代码实现

Keras实现生成各种对抗网络(GANs)

采用Keras实现Unet网络，对人像进行分割，实现对视频或图像中的人物进行分割并提取。 已经包含一个训练好的模型，下载后按照教程即可进行测试。 https://mp.weixin.qq.com/s?__biz=MzU4MTk0MDM5NA==&mid=2247483713&idx=1&sn=7608fe21c5b583e381f004ded0750b5f&chksm=fdbea484cac92d92e635f76736ced8e7aa014d658d65863d6d81e69b2b5e592f51d798d16c86&token=1548829728&lang=zh_CN#rd

Keras：人脸识别mtcnn算法实现

Mtcnn人脸检测算法在Keras当中的实现 目录 所需环境 tensorflow-gpu==1.13.1 keras==2.1.5 使用方法 下载库后即可运行，运行的文件为detect.py。结果会通过cv2显示。 该库的代码并不包含训练的部分，想要自己进行训练的同学可以参考Reference。 2021年1月30日：对代码进行了注释并将一些难以理解的部分进行了重构。 Reference

Keras框架：faster-rcnn目标检测算法实现

用keras来拟合二次函数，理论上可以拟合任意的函数

使用keras进行图像识别分类 如果我有一个图像数据集，它非常非常小，我想自己捕获、并希望教会计算机能够识别或区分一些指定的类别，我应该怎么办呢？假设我有几千张图像，我想训练一个模型，能够从一个类别自动检测出另一个类别。但是，我只有这么少的数据，那我能不能够训练出一个深度神经网络来成功地对这些图进行像分类呢？经过研究，我发现，人们在计算机视觉领域中遇到的常见情况是：用很少的数据来训练深度神经网络。让我们面对这一现实：并非每个人都可以访问Google或Facebook这样的大数据，而且有些数据很难获得。但我也发现，这种问题的解决方案其实非常简单。今天，我将带领你们学习如何使用那些较小的图像数据集

1、北理工卡车位置图片数据集，2100张RGB，2100个xml文件。 2、Tiny_YOLOV1检测模型，精度达到97%。

主要介绍了keras之权重初始化方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧