深度学习作业_基于resnet50和vgg16网络pytorch框架实现猫狗分类完整源码+代码注释+实验报告.zip 猫狗分类，使用Kaggle猫狗分类的原始数据集，实现模型最终的准确率达到75%及以上。本实验的目的： 为了进一步掌握使用深度学习框架进行图像分类任务的具体流程如：读取数据、构造网络、训练和测试模型 掌握经典卷积神经网络VGG16、ResNet50的基本结构

开裂和非开裂表面数据集，用于二分类的破裂和非破裂图像，开裂的有28500张、未开裂的有67600张 开裂和非开裂表面数据集，用于二分类的破裂和非破裂图像，开裂的有28500张、未开裂的有67600张 开裂和非开裂表面数据集，用于二分类的破裂和非破裂图像，开裂的有28500张、未开裂的有67600张

深度学习-考试复习资料大全（北交通、华南理工等期末真题+题库大全+解析）

内容含 猩猩 大象 老虎 狮子 水牛 狒狒 狐狸 等十多种动物

这个资源是用基于PyTorch的框架做的，用的是AlexNet的神经网络模型，做的是花朵分类识别与预测的案例。代码很详细，容易看懂。 数据集中包含5种类别的花朵。下载运行代码时，记得把数据集的压缩包解压下来，并且改一下代码中载入此数据集时相应的路径哦~

基于densenet的铝材缺陷检测，深度学习

基于深度学习的猫狗识别算法,准确率99%

基于深度学习的天气识别算法实现

面部表情比较数据集，该数据集是一个大规模的面部表情数据集，由人脸图像三联以及人类注释组成，这些注释指定了每个三联中的哪两张脸在面部表情方面形成了最相似的对。这个数据集中的每个三元组都由6名或6名以上的人工评分员注释。该数据集与现有的主要专注于离散情绪分类或动作单元检测的表情数据集有很大不同。

阿尔茨海默氏病（AD）是痴呆症的最常见形式，是一种无法治愈的神经系统疾病，会导致进行性精神恶化。 尽管对AD进行明确诊断很困难，但在实践中，AD诊断主要基于临床病史和神经心理学数据，包括磁资源成像（MRI）。 近年来，有关将机器学习应用于AD识别的研究越来越多。 本文介绍了我们对这一进展的最新贡献。 它描述了一种基于3D脑MRI深度学习的自动AD识别算法。 该算法使用卷积神经网络（CNN）来实现AD识别。 独特之处在于，大脑的三维拓扑在AD识别中被视为一个整体，从而可以进行准确的识别。 本研究中使用的CNN包括三组连续的处理层，两个完全连接的层和一个分类层。 在该结构中，三组中的每一个都由三层组成，包括卷积层，池化层和归一化层。 使用来自阿尔茨海默氏病神经成像计划的MRI数据对算法进行了训练和测试。 使用的数据包括约47位AD患者和34位正常对照的MRI扫描。 实验表明，该算法具有较高的AD识别精度，灵敏度为1，特异性为0.93。