pytorch预训练模型vgg16-397923af.pth

ICPR2020论文《Filter Pruning using Hierarchical Group Sparse Regularization for Deep Convolutional Neural Networks》开源代码，可对模型进行分层分组稀疏正则化，可以根据这个做剪枝，效果接近SOTA，可以对vgg11、vgg13、vgg16、vgg19及其bn、resnet18、resnet34、resnet50等在cifar10/100/tinyImagenet上分别实现

Tensorflow Finetuning VGG16——猫狗大战-附件资源

经典网络vgg应用于 图像二分类的训练代码，图像是不同插值方法的图片

官网下载会下载不成功，资源提供百度云下载链接，包含faster_rcnn_models.tgz（VGG16_faster_rcnn_final.caffemodel,ZF_faster_rcnn_final.caffemodel），imagenet_models.tgz和selective_search_data.tgz，亲测可以用。

裂纹分割 在这里，我提出了针对路面和混凝土材料的裂纹分割问题的解决方案。 在本文中，我描述了我尝试使用的方法，数据集并演示了结果。 我的方法基于UNet网络，并在两种流行的体系结构上学习迁移：VGG16和Resnet101。 结果表明，在实际情况中可能发生的各种情况下，大型的裂纹分割数据集有助于提高模型的性能。 内容 推理结果预览 以下是几个测试用例的结果。 有关更多测试案例的结果，请参见./test_results文件夹下的图像。 概述 裂纹分割是结构研究中的重要任务。 例如，在桥梁调查项目中，控制对象完成工作以使其在桥梁周围飞行以拍摄不同桥梁表面的图片。 然后，计算机将对图片进行处理，以检测桥梁表面上可能被损坏的潜在区域。 模型越准确，处理这些图像所需的人工就越少。 否则，操作员将不得不检查每个图像，这很无聊且容易出错。 此任务中的一个挑战是该模型对噪声和其他物体（例如裂缝上的苔藓，标

本文是利用卷积神经网络VGG16模型对花卉和手势进行分类识别，利用卷积神经网络的卷积层进行特征提取，连接层起到分类器的作用，对图像进行分类。所用软件是pycharm，解释器是python3.6。

里面包含着VGG16和VGG19的模型，是对CIFAR10进行一个图像分类的源码，全部可以运行，并且在这里面，如果不想运行那么久，也有一个模型可以直接加载即可，非常全面。包含了可视化，训练模型，测试模型，加载模型，保存模型一系列操作，不对CPU和GPU做限制，都可以直接运行，非常方便。最高的准确率达到了92.58%

VGG预训练模型需要连接外网下载，而且下载速度很慢，有500多兆！资源包括VGG16和VGG19预训练模型

VGG16 预训练模型pth文件-附件资源