道路裂缝检测神经网络 使用 keras 构建的卷积神经网络以 97.5% 的准确率检测道路裂缝。 这个 repo 包含一个 jupyter notebook 文件，用于正确理解图像数据集和模型训练。 #数据集

机器学习（卷积神经网络）优秀论文。吐血总结。肢体识别、VGG19深度网络应用框架。

使用3DCNN和卷积LSTM进行手势识别学习时空特征

安全帽作为作业工人最基本的个体防护装备，对作业人员的生命安全具有重要意义.但是部分作业人员安全意识缺乏，不佩戴安全帽行为时常发生.本文聚焦于复杂场景下对工作人员是否佩戴安全帽的实时检测.YOLO （You Only Look Once）是当前最为先进的实时目标检测算法，在检测精度和速度上都取得了良好的效果，将YOLO应用于安全帽检测.针对未佩戴安全帽单类检测问题，修改分类器，将输出修改为18维度的张量.基于YOLOv3在ImageNet上的预训练模型，对实际场景下采集到的2010张样本进行标注并训练，根据损失函数和IOU曲线对模型进行优化调参，最终得到最优的安全帽检测模型.实验结果表明，在2000张图片测试集上取得了98.7%的准确率，在无GPU环境下平均检测速度达到了35 fps，满足实时性的检测要求，验证了基于YOLOv3安全帽检测方法的有效性.

预训练的卷积神经网络

卷积结果可视化源码

反卷积-显微术-CycleGAN 这是CycleGAN的一种实现，带有用于反卷积显微镜的模糊内核：最佳传输几何。 先决条件 Python 3.7 火炬，火炬> = 0.4.1，火炬视觉> = 0.2.1 要运行代码，请通过以下命令安装所需的软件包 pip install -r requirements.txt 预处理数据集 生成数据集 python generate_dataset.py --phase train --num_imgs 2000 python generate_dataset.py --phase test --num_imgs 500 将数据集重命名为“数据集”。 要生成所有训练和测试数据的名称，请运行文件“ readDatasetNames.py” python readDatasetNames.py 训练模型 python main.py --phase

涵盖了《神经计算智能基础（靳蕃）》神经网络部分的基本知识，并整理了很多扩展知识；结尾附录了一些有用的链接。知识包括：神经元、多层感知机、BP算法、卷积神经网络、RBF神经网络、Kohonen自组织网络、Hopfield网络、深度置信网络等。

图像分类的性能在很大程度上取决于特征提取的质量。卷积神经网络能够同时学习特定的特征和分类器，并在每个步骤中进行实时调整，以更好地适应每个问题的需求。本文提出模型能够从遥感图像中学习特定特征，并对其进行分类。使用UCM数据集对inception-v3模型与VGG-16模型进行遥感图像分类，实验结果表明，本文提出的模型在训练时间和分类准确率上都优于现有算法。

LHCnn：一种利用卷积神经网络的新型高效多元时间序列预测框架