ResNetCAM-keras, ResNet凸轮模型的Keras实现 resnetcam-kerasresnet凸轮模型的Keras实现动机最初的Matlab实现和纸张( 对于 AlexNet，GoogLeNet和 VGG16 ) 可以在这里找到 。 在这里可以找到cam的一个Keras实现 。这里

开源mask-rcnn loss下降图，Resnet网络结构

ResNet系列模型文件：ResNet_50_train_val.prototxt、ResNet_101_train_val.prototxt、ResNet_152_train_val.prototxt、ResNet_50_deploy.prototxt、ResNet_101_deploy.prototxt、ResNet_152_deploy.prototxt、solver.prototxt、ResNet-50-model.caffemodel

ResNet 论文：Deep Residual Learning for Image Recognition Motivation：网络越深，能获取的信息越多，而且特征也越丰富。但是根据实验表明，随着网络的加深，优化效果反而越差，测试数据和训练数据的准确率反而降低了（网络退化）。为了让更深的网络也能训练出好的效果，何凯明大神提出了一个新的网络结构——ResNet。这个网络结构的想法主要源于VLAD（残差的想法来源）和Highway Network（跳跃连接的想法来源）。 ResNet Block 残差学习模块包括identity mapping和residual mapping，其中前者指的

使用resnet152进行迁移学习，通过识别植物叶片来判断38种植物病害，准确率为99.6%。

基于ResNet及特征融合的场景文本检测技术研究，李相相，牛少彰，论文对于之前的学者所提出的CTPN网络模型进行深入的研究，提出了一种改进的场景文本检测网络。首先，使用ResNet代替原网络中的VGG16来

深度学习的预训练模型的resnet模型权重，用于深度学习领域的对抗样本生成、图像识别等等，有兴趣的可以下载！

为了将可学习的参数从预先训练的2D ResNet-50（ImageNet）传输到3D，我们通过三维复制了2D滤镜（重复复制它们）。 这是可能的，因为视频或3D图像可以转换为图像切片序列。 在训练过程中，我们希望3D ResNet-50学习每个帧中的模式。 该模型具有4,800万个可学习的参数。 只需调用“ resnet50TL3Dfun（）”函数。

Inception-v4, 在Keras中，起始 v4.起始 Resnet v1和 v2 Keras中的起始使用函数API在Keras中实现 Inception-v4.起始- Resnet-v1和v2体系结构。 本文对这些体系结构的研究，在 "inception-v4.起始resnet和剩余连接对学习的影响"。模型被打印并显

这是pytorch初学者的游乐场，其中包含流行数据集上的预定义模型。 目前我们支持 mnist，svhn cifar10，cifar100 stl10 亚历克斯网 vgg16，vgg16_bn，vgg19，vgg19_bn resnet18，resnet34，resnet50，resnet101，resnet152 squeezenet_v0，squeezenet_v1 inception_v3 这是MNIST数据集的示例。 这将自动下载数据集和预先训练的模型。 import torch from torch.autograd import Variable from utee import selector model_raw, ds_fetcher, is_imagenet = selector.select('mnist') ds_val = ds_fetcher(b