基于VGGNet卷积神经网络的表情识别。

VGGNet模型、训练、预测代码，每一行都有超详细注释，适合新生小白，可运行

VGGnet的源代码，详细结构参考论文，基于tensorflow1.4

卷积神经网络的原理及代码实现与典型神经网络LeNet-5、AlexNet、VGGNet、ResNets的原理

VGGNet模型

1、利用VGGnet提取图片特征 2、利用segnet进行decoder 3、使用tensorflow里面kereas里面神经网络八步法，一步一步教你训练自己的模型 4、提供了用于训练和验证的数据集 5、网络注释清晰，方便二次开发和修改

包括vgg-19 模型，以及vl_imarray,vl_imarraysc 文件，可以分层可视化vgg网络

vggnet代码matlab RACNN 这个项目是由Caffe，Python和Matlab RSRCNN_train实施的：使用残像超分辨率卷积神经网络来训练模型，以对RACNN进行微调。 分类_CNN：它包含两个网络Alexnet和VGGNet，并且提供了Python代码（笔记本）来训练RACNN。

该数据集可供TensorFlow通过VGGNet进行表情识别案例模型文件的训练

vggnet代码matlab CVPR16-深位 使用无监督的深度神经网络学习紧凑型二进制描述符 由林凯文，陆继文，陈楚松，周杰创建 介绍 我们提出了一种新的无监督深度学习方法来学习紧凑的二进制描述符。 我们对在网络顶层学习的二进制代码执行三个标准：1）最小损耗量化； 2）均匀分布的代码； 3）旋转不变位。 然后，我们使用反向传播技术学习网络的参数。 在三种不同的视觉分析任务（包括图像匹配，图像检索和对象识别）上的实验结果证明了该方法的有效性。 可以在下面找到详细信息 引文 如果您发现DeepBit在您的研究中有用，请考虑引用： Learning Compact Binary Descriptors with Unsupervised Deep Neural Networks Kevin Lin, Jiwen Lu, Chu-Song Chen and Jie Zhou IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2016 CIFAR10检索结果 CIFAR10数据集上不同无监督哈希算法的性能比较