随着计算机视觉近几年的发展, 相关工作者越来越侧重人工智能算法在电力安全管控系统的实际应用. 本文针对电力检修工作人员安全带规范问题, 基于Mask R-CNN算法提出了一种新型高空作业安全带低挂高用违规检测算法, 实时高效率完成作业者安全带违规检测问题. 针对安全带挂环违规现象的复杂性和场景多变性等问题, 本文提出实用于安全带检测和人体关键点信息相结合检测的Mask-Keypoints R-CNN新型高空作业安全带违规挂法的检测方法, 该算法基于人体关键点定位检测模块进行裁剪人体关键部位有用安全带数据集, 结合安全带检测模块进行判断作业人员违规情况, 算法本身具有很强的实用性和高效性, 并取得了较高的精确率.

采用一维CNN神经网络算法，对西储大学轴承数据集分为10中故障类型进行故障识别，最终准确率很高；同时算法结构灵活，可以自定制网络及优化器，满足多张故障数据集。

用matlab创建简单的cnn神经网络，对图片进行识别，

在cpu上用resnet训练cifar10数据集，利用tensorflow平台。

X射线图像中COVID-19的检测

打包文件包括mnist数据集，CNN代码，功能是：搭建简单的卷积神经网络训练mnist 数据集

[web安全]如何把握防泄密的“度”？ 网络安全 web安全 金融安全 DDoS 应急响应

XNet XNet是一个卷积神经网络，旨在将X射线图像分割为骨骼，软组织和开放束区域。 具体而言，它在小型数据集上表现良好，目的是最大程度地减少软组织类别中的假阳性数。 该代码与在SPIE医学影像会议论文集（2019）中发表的论文一起提供，可在预印本arXiv上找到，为： 引用为： @inproceedings{10.1117/12.2512451, author = {Joseph Bullock and Carolina Cuesta-Lázaro and Arnau Quera-Bofarull}, title = {{XNet: a convolutional neural network (CNN) implementation for medical x-ray image segmentation suitable for small datasets}}, vol

使用TensorFlow进行自然语言处理 这是发布的进行的代码库。 它包含从头到尾完成本书所必需的所有支持项目文件。 关于这本书 自然语言处理（NLP）提供了可用于深度学习应用程序的大多数数据，而TensorFlow是当前可用的最重要的深度学习框架。 使用TensorFlow进行自然语言处理将TensorFlow和NLP结合在一起，为您提供了宝贵的工具来处理当今数据流中大量的非结构化数据，并将这些工具应用于特定的NLP任务。 因此，Thanhan Ganegedara首先让您了解NLP和TensorFlow基础知识。 然后，您将学习如何使用Word2vec（包括高级扩展）创建单词嵌入，将单词