在原有二维数据的基础上增加了样本的深度信息，增强了识别系统对光照、表情等影响因素的鲁棒性。

学习过程当中整理的基于深度学习的生物认证技术研究这块的人脸识别认证部分，讲了人脸识别的发展和深度学习的概念等等。

基于深度学习字符型图片数字验证码识别完整过程及Python实现（深度学习学习、实现数字、字符模型训练、详细介绍附源码）

基于深度学习的神经网络算法论文基于深度学习的神经网络算法论文基于深度学习的神经网络算法论文

表情识别系统；所用平台windows10+Anaconda4.2.0(自带python3.5)-tensorflow1.2.1(cpu)-keras2.1.3+opencv-python3.4.0;所用网络，卷积神经网络包含了搭建网络的代码；由于文件大于240M，就上传到了自己的网盘中；此次作品为中国大学生计算机设计大赛作品，点击作品文件夹中的GUI1.EXE就可观看作品效果（电脑必须为64位）；源代码在素材源码文件夹中；请下载链接文件，去网盘中下载

需要再matlab2017a即以上版本上运行 资源来自网络 本为matlab计算机视觉与深度学习实战28章示例代码

博客连接https://blog.csdn.net/qq_33591712/article/details/84947829#comments 用superpoint方法代替surf提取图像特征，进行Python版本的图像拼接。

这里面包含整个基于神经网络深度学习 实现手写体识别项目，包括原始数据 训练数据 训练模型 测试数据等 总共是三种方式实现这是第二种和模型

目标识别是计算机视觉一个重要的研究领域，由此延伸出的车辆型号识别具有重 要的实际应用价值，特别是在当今交通状况复杂的大城市，智能交通系统成为发展趋 势，这离不开对车辆型号进行识别和分类的工作，本文围绕如何利用计算机视觉的方 法进行车辆型号的识别和分类展开了一系列研究： 本文对当前的目标识别和分类的特征和算法做了总结和归纳。分析比较了作为图 像特征描述常见的特征算子，总结归纳了他们的提取方法、特征性能以及相互之间的 关联。另外，介绍了在目标识别工作中常用的分类方法,阐述了他们各自的原理和工作 方法。研究了深度神经网络的理论依据，分析比较了深度神经网络不同的特征学习方 法，以及卷积神经网络的训练方法。分析比较不同特征学习方法的特点选取 k-means 作为本文使用的特征学习方法，利用卷积神经网络结构搭建深度学习模型，进行车辆 车型识别工作。 本文为了测试基于深度学习的车辆型号分类算法的性能在 30 个不同型号共 7158 张图片上进行实验；并在相同数据上利用改进了的 SIFT 特征匹配的算法进行对比实验； 进过实验测试，深度学习方法在进行车型分类的实验中取得 94%的正确率，并在与 SIFT 匹配实验结果对比后进一步证实：深度学习的方法能够应用在车辆型号识别领域

一本2015年出版的英文书籍，详细介绍了深度学习在语音识别中的应用，希望对研究深度学习和语音识别的朋友有帮助。