参阅：https://blog.csdn.net/cxmscb/article/details/71023576

基于tensorflow+CNN的报警信息短文本分类-附件资源

卷积神经网络CNN手写数字识别，有详细的代码注释和讲解，以及流程介绍，有利于初学者理解，能完整运行，且准确率当10各epochs时为0.985

多标签图像分类 使用集成深度CNN进行多标签图像分类的基准 代码说明 代码已使用PyTorch 0.4进行了测试。 通过取消注释相应的行以进行随机裁剪和混合，可以根据model1代码改编本文中出现的Model2（M2）和model3（M3）。 要使用以下命令运行脚本：python resnet101_model1fc.py 1 512 16（三个参数是试验索引，补丁大小，批处理大小） VOC2007的评估指标与NUS-WIDE和MS-COCO的评估指标略有不同，因为注释中存在“困难的示例”，在评估时会被忽略。 我们使用所有训练数据来训练模型和训练停止的固定标准。 数据 要运行该代码，您可能需要从其官方网站下载三个数据集的图像。 参考 王谦，贾宁，Toby P.Breckon，《使用集成深度CNN进行多标签图像分类的基线》，2019年IEEE国际图像处理会议，台北。 接触

目标检测经典论文R-CNN最新版本(V5)论文原文及中文翻译

tensorflow的猫狗分类

OCR算法：CNN+BLSTM+CTC架构（VS15）-附件资源

cnn 图像分类PPTcnn 图像分类PPTcnn 图像分类PPTcnn 图像分类PPTcnn 图像分类PPTcnn 图像分类PPTcnn 图像分类PPTcnn 图像分类PPTcnn 图像分类PPTcnn 图像分类PPT

Keras-FasterRCNN 更快的R-CNN的Keras实现：通过区域提议网络实现实时目标检测。 克隆自 更新： 支持inception_resnet_v2 要在keras.application中将inception_resnet_v2用作特征提取器，请使用transfer / export_imagenet.py创建新的inception_resnet_v2模型文件 如果使用原始的inception_resnet_v2模型作为特征提取器，则无法在fast-rcnn上加载权重参数 用法： theano和tensorflow后端均受支持。 但是在theano中编译时间非常长，强烈建议使用Tensorflow。 train_frcnn.py可用于训练模型。 要训​​练Pascal VOC数据，只需执行以下操作： python train_frcnn.py -p /path/t

pylearn2_cnn SAR图像的深度学习