CNN_Architectures:Keras主要CNN架构的实现

preview
共7个文件
ipynb：3个
py：2个
license：1个
keras
convolutional-neural-networks
resnet-50
需积分: 9 2 下载量 189 浏览量 2021-05-09 01:04:51 上传 评论 收藏 55KB ZIP 举报
资源详情
资源评论
评论 收藏
徐校长
  • 粉丝: 34
  • 资源: 4615
上传资源 快速赚钱
voice
center-task 前往需求广场，查看用户热搜

相关推荐

zip

Image-Super-Resolution, 在Keras中，超分辨率CNN的实现.zip

Image-Super-Resolution, 在Keras中，超分辨率CNN的实现 Keras 2 中的图像超分辨率利用深度卷积网络实现Keras中图像超分辨率CNN的实现。还包含上述模型的模型，称为扩展超分辨率，Denoiseing自动编码器SRCNN优于上述模型。设置支持带有Theano和Tensorflo
zip

keras-frcnn:Keras快速R-CNN的实现

喀拉拉邦 更快的R-CNN的Keras实现：通过区域提议网络实现实时目标检测。 克隆自 用法： theano和tensorflow后端均受支持。 但是在theano中编译时间非常长，强烈建议使用Tensorflow。 train_frcnn.py可用于训练模型。 要训​​练Pascal VOC数据，只需执行以下操作： python train_frcnn.py -p /path/to/pas
rar

基于Keras的CNN入门级Python实现（附多个代码）

该代码基于Keras实现，详细的展现了CNN基本步骤，适合初学者小白使用。包含MNIST、CIFAR、TITANIC三个数据集相关多个代码。
ipynb

保姆级 Keras 实现 Faster R-CNN 一 示例代码

保姆级 Keras 实现 Faster R-CNN 一 Jupyter notebook 示例代码. 此部分只实现了 RPN 网络的分类结构, 并不是完整的 Faster R-CNN 代码. 具体可参考 https://blog.csdn.net/yx123919804/article/details/114800885
ipynb

保姆级 Keras 实现 Faster R-CNN 三 示例代码

保姆级 Keras 实现 Faster R-CNN 三 Jupyter notebook 示例代码. 此部分只实现了如何计算 IoU 来判定哪些 anchor_box 是正样本, 哪些是负样本, 并从 xml 文件中读入标签数据. 并不是完整的 Faster R-CNN 代码. 具体可参考 https://blog.csdn.net/yx123919804/article/details/1206
zip

Pattern_Oriented_Software_Architectures:我的面向模式软件架构的代码

Pattern_Oriented_Software_Architectures 我的面向模式软件架构的代码：为 Android 手持系统编写移动服务 证书： :
pdf

Documenting_Software_Architectures_Views_and_Beyon.pdf

Documenting_Software_Architectures_Views_and_Beyon.pdf
zip

Clean_architecture:Python中的干净架构模型

Clean_architecture:Python中的干净架构模型
pdf

Building_Microservice_Architectures_Neal_Ford

Building_Microservice_Architectures、Building_Microservice_Architectures
ipynb

保姆级 Keras 实现 Faster R-CNN 十四 示例代码

保姆级 Keras 实现 Faster R-CNN 十四 Jupyter notebook 示例代码. 完成了 Faster R-CNN 训练和预测的功能. 是完整的代码, 具体可参考 https://blog.csdn.net/yx123919804/article/details/115053895
ipynb

保姆级 Keras 实现 Faster R-CNN 二 示例代码

保姆级 Keras 实现 Faster R-CNN 二 Jupyter notebook 示例代码. 此部分只实现了获取数据目录, 计算 IoU 并生成 anchor_box, 并不是完整的 Faster R-CNN 代码. 具体可参考 https://blog.csdn.net/yx123919804/article/details/120645175
ipynb

保姆级 Keras 实现 Faster R-CNN 四 示例代码

保姆级 Keras 实现 Faster R-CNN 四 Jupyter notebook 示例代码. 此部分只实现了数据增强和网络输入 generator. 并不是完整的 Faster R-CNN 代码. 具体可参考 https://blog.csdn.net/yx123919804/article/details/120683511
ipynb

保姆级 Keras 实现 Faster R-CNN 十二 示例代码

保姆级 Keras 实现 Faster R-CNN 十二 Jupyter notebook 示例代码. 此部分完成了 Faster R-CNN 前向计算模型, 还不能训练, 并不是完整的 Faster R-CNN 代码. 具体可参考 https://blog.csdn.net/yx123919804/article/details/132641935
ipynb

保姆级 Keras 实现 Faster R-CNN 七 示例代码

保姆级 Keras 实现 Faster R-CNN 七 Jupyter notebook 示例代码. 此部分增加了 Rpn 网络回归部分, 修改了相关联的各函数, 并不是完整的 Faster R-CNN 代码. 具体可参考 https://blog.csdn.net/yx123919804/article/details/120704676
ppt

信息通信网络概论课件：Chapter_2__Application_and_Layered_Architectures.ppt

信息通信网络概论课件：Chapter_2__Application_and_Layered_Architectures.ppt
pdf

DLNA_Architectures_and_Protocols

DLNA Spec part 1: DLNA_Architectures_and_Protocols
star 5星 · 资源好评率100%
pptx

ARM_Processors_and_Architectures_-_Uni_Program_

ARM_Processors_and_Architectures_-_Uni_Program_
pdf

Foveated_Sampling_Architectures_for_CMOS_Image_Sen (1).pdf

Foveated_Sampling_Architectures_for_CMOS_Image_Sen
application/pdf

Cognitive architectures: Research issues and challenges

Cognitive architectures: Research issues and challenges
ipynb

保姆级 Keras 实现 Faster R-CNN 十一 示例代码

保姆级 Keras 实现 Faster R-CNN 十一 Jupyter notebook 示例代码. 此部分增加了 RoiPoolingLayer 自定义层, 实现了感兴趣区域转换为固定大小的特征图, 并不是完整的 Faster R-CNN 代码. 具体可参考 https://blog.csdn.net/yx123919804/article/details/132511398
ipynb

保姆级 Keras 实现 Faster R-CNN 八 示例代码

保姆级 Keras 实现 Faster R-CNN 八 Jupyter notebook 示例代码. 此部分增加了 Rpn 网络冻结参数训练功能, 并不是完整的 Faster R-CNN 代码. 具体可参考 https://blog.csdn.net/yx123919804/article/details/120704752
ipynb

保姆级 Keras 实现 Faster R-CNN 五 示例代码

保姆级 Keras 实现 Faster R-CNN 五 Jupyter notebook 示例代码. 此部分只实现了 RPN 网络分类损失函数和精度计算函数, 并训练分类型, 并不是完整的 Faster R-CNN 代码. 具体可参考 https://blog.csdn.net/yx123919804/article/details/120683524
ipynb

保姆级 Keras 实现 Faster R-CNN 十 示例代码

保姆级 Keras 实现 Faster R-CNN 十 Jupyter notebook 示例代码. 此部分增加了 ProposalLayer 自定义层, 实现了输出建议区域矩形的功能, 并不是完整的 Faster R-CNN 代码. 具体可参考 https://blog.csdn.net/yx123919804/article/details/121459993
ipynb

保姆级 Keras 实现 Faster R-CNN 九 示例代码

保姆级 Keras 实现 Faster R-CNN 九 Jupyter notebook 示例代码. 此部分增加了显示预测结果和非极大值抑制, 完成了 Rpn 网络功能, 并不是完整的 Faster R-CNN 代码. 具体可参考 https://blog.csdn.net/yx123919804/article/details/121451823
pdf

HEVC-Algorithms_and_Architectures(很好的HEVC算法书籍 )

HEVC-Algorithms_and_Architectures(很好的HEVC算法书籍 )，视频编解码
pdf

Mobile Social Networks_ Architectures, Social__Properties, and Key Research Challenges.pdf

Mobile Social Networks_ Architectures, Social__Properties, and Key Research Challenges.pdf
pdf

Mobile Social Networks_ Architectures, Social__Properties, and Key Research Challenges_【彩云小译】_【非对照】.pdf

Mobile Social Networks_ Architectures, Social__Properties, and Key Research Challenges_【彩云小译】_【非对照】.pdf
zip

IFCPlusPlusArchiv1:来自 IFCPlusPlus 的 Fork，“第二波”（在 2014 年 6 月 1 日发生的存储库神秘重置后提交）。 主要更改旨在使其使用 CMake 构建系统与 Clang 一起编译

$YOUR_COTS_SRC_DIR：你的源代码在哪里 ccmake -D CMAKE_BUILD_TYPE=Release \ -D CMAKE_OSX_ARCHITECTURES:STRING="x86_64" \ -D CMAKE_OSX_SYSROOT:STRING="/Applications/Xcode.app/Contents/Dev
zip

ALl-About-MNIST---MIDAS

Experimentation_with_CNN_Architectures.ipynb ：用于为给定数据集获取最佳模型架构的脚本。 它使用各种模型架构进行实验，并使用蛮力选择最佳的架构。 任务1.ipynb ：使用从Experimentation_with_CNN_...