参照经典的卷积神经网络模型 Ｌｅｎｅｔ－５的结构，提出一种适用于该数据集的CNN结构

Faster-RCNN在linux tensorflow python3.7下运行时需要的make生成文件

Faster-RCNN在linux tensorflow python3.7下运行时需要的make生成文件cython_nms

本人之前一直在学习医学图像超分辨率重建，这是2016发表在CVPR上的少有的关于超分的文章，经过一段时间的学习制作了这个PPT，可以用来课程演示或者自己对超分重建的学习。

人工智能与模式识别5基于CNN的FashionMNIST图像分类.docx

Keras 示例代码，包括CNN，LSTM，CNN-LSTM等，非常全面。(Keras sample code, including CNN, LSTM, CNN-LSTM, and so on, is very comprehensive.)

CS231n的Assignment, 用Python3.6.3写的，大家可以参考一下，

Paints Chainer 线条绘图着色使用链接器，使用CNN，您可以自动/半自动为您的草图着色。

Yong Li , Student Member, IEEE, Jiabei Zeng , Member, IEEE, Shiguang Shan , Member, IEEE, and Xilin Chen, Fellow, IEEE

水平集matlab代码 DogClassification 原理说明 首先，将数据按照mat文件所记录的方式分为训练集和测试集两部分。由于12000张的训练集有点少，所以对每张训练图片采集它的左上角80%区域、右上角80%、左下角80%、右下角80%、中间80%，然后对其进行水平翻转，这样一张图片就变成了10张。 接着，训练方式采用迁移学习，使用已经训好的VGG16模型，去掉最后几层的全连接层后，接上自己的模型进行训练。每张图片丢进VGG16的卷积层得到一个7*7*512维的特征向量，flatten之后，由于数据量少，将后续的两个全连接层的维度从4096降到1024，dropout取0.5（防止过拟合），最后加上softmax，类别设置为120。 训练结果 Epoch 500/500 120000/120000 [==============================] - 183s - loss: 1.7354 - acc: 0.8910 precision recall f1-score support avg / total 0.61 0.64 0.62 8580 更新日