目录
MaskRCNN源码解析3:RPN、ProposalLayer、DetectionTargetLayer
MaskRCNN源码解析4-0:ROI Pooling 与 ROI Align理论
MaskRCNN源码解析4:头网络(Networks Heads)解析
YOLOv3源码解析4-计算损失compute_loss()
Faster RCNN源码解读2-_anchor_component()为图像建立anchors(核心和关键1)
Faster RCNN源码解读3.1-_region_proposal() 筛选anchors-_proposal_layer()(核心和关键2)
Faster RCNN源码解读3.2-_region_proposal()筛选anchors-_anchor_target_layer()(核心和关键2)
Faster RCNN源码解读3.3-_region_proposal() 筛选anchors-_proposal_target_layer()(核心和关键2)
Faster RCNN源码解读4-其他收尾工作:ROI_pooling、分类、回归等
文本检测算法六:TextBoxes&&TextBoxes++
深度学习笔记-2.迁移学习(Transfer Learning)
深度学习笔记-4.循环神经网络(RNN)及长短时记忆网络(LSTM)
深度学习笔记-11.Normalization[规范化]方法总结
深度学习笔记-14.各种优化器Optimizer的总结与比较
DL练习1—基于CNN的MNIST手写字体识别(Tensorboard可视化版)
深度学习基础课程1笔记-决策树(Desision Tree)
深度学习基础课程2笔记-手写字体识别源码(MNIST)提高版2
深度学习基础课程2笔记-手写字体识别源码(MNIST)提高版3 CNN实现识别MNIST
TensorFlow_6断点续训与Tensorboard可视化
TensorFlow北大公开课学习笔记-3.1张量计算图会话
TensorFlow北大公开课学习笔记-3.2 神经网络的参数&前向传播
TensorFlow北大公开课学习笔记-5手写数字识别准确率输出
TensorFlow北大公开课学习笔记-6.1输入手写数字图片输出识别结果(结合5.3程序)
TensorFlow北大公开课学习笔记-7卷积神经网络 lenet5复现
TensorFlow北大公开课学习笔记-8 复现vgg16并实现图片识别
Python OpenCV _1基本操作(画图,循环播放图像,鼠标事件,读取中文路径中的图片)
Python OpenCV _3形态学处理(腐蚀膨胀,开闭运算,以及利用形态学进行边缘角点检测)
Python OpenCV _4初级滤波(均值滤波,高斯滤波,中值滤波)
Python OpenCV _5边缘检测(Sobel算子,Laplacian算子,Canny算子)
Python OpenCV _6直方图均衡化(查找表,OpenCV,Numpy等方法)