keras faster物体检测_强烈推荐的这些Keras资料——让你少走很多弯路

Keras拥有简洁,建模速度快,上手容易,对于初学者来说非常的友好,你能够很容易搭建起自己的模型,这里整理了一份优质的资源

01 github 项目

(1)黄海广博士力荐的github项目

资源地址:

erhwenkuo/deep-learning-with-keras-notebooks​github.com
e207bd2f9470008a9a14f28e0f847eb5.png

资源介绍:

这个github的repository主要是ErhWen Kuo在学习Keras的一些记录及练习。希望在学习过程中发现到一些好的信息与示例也可以对想要学习使用Keras来解决问题的同学带来帮助。这些notebooks主要是使用Python 3.6与Keras 2.1.1版本跑在一台配置Nivida 1080Ti的Windows 10的机台所产生的结果,但有些部份会参杂一些Tensorflow与其它的函式库的介绍。

资源目录:


0.图象数据集/工具介绍

  • 0.0: COCO API解说与简单示例
  • 0.1:土炮自制扑克牌图象数据集
  • 0.2:使用Pillow来进行图像处理

1.Keras API示例

  • 1.0:使用图像增强来进行深度学习
  • 1.1:如何使用Keras函数式API进行深度学习
  • 1.2:从零开始构建VGG网络来学习Keras
  • 1.3:使用预训练的模型来分类照片中的物体
  • 1.4:使用图像增强来训练小数据集
  • 1.5:使用预先训练的卷积网络模型
  • 1.6:卷积网络模型学习到什么的可视化
  • 1.7:构建自动编码器(Autoencoder)
  • 1.8:序列到序列(Seq-to-Seq)学习介绍
  • 1.9: One-hot编码工具程序介绍
  • 1.10:循环神经网络(RNN)介绍
  • 1.11: LSTM的返回序列和返回状态之间的区别
  • 1.12:用LSTM来学习英文字母表顺序

2.图像分类(Image Classification)

  • 2.0: Julia(Chars74K)字母图像分类
  • 2.1:交通标志图像分类
  • 2.2:辛普森卡通图像角色分类
  • 2.3:时尚服饰图像分类
  • 2.4:人脸关键点辨识
  • 2.5: Captcha验证码分类
  • 2.6: Mnist手写图像分类(MLP)
  • 2.7: Mnist手写图像分类(CNN)

3.目标检测(Object Recognition)

  • 3.0: YOLO目标检测算法概念与介绍
  • 3.1: YOLOv2目标检测示例
  • 3.2:浣熊(Racoon)检测-YOLOv2模型训练与调整
  • 3.3:浣熊(Racoon)检测-YOLOv2模型的使用
  • 3.4:袋鼠(Kangaroo)检测-YOLOv2模型训练与调整
  • 3.5:双手(Hands)检测-YOLOv2模型训练与调整
  • 3.6:辛普森卡通图象角色(Simpson)检测-YOLOv2模型训练与调整
  • 3.7: MS COCO图象检测-YOLOv2模型训练与调整

4.物体分割(Object Segmentation)

5.关键点检测(Keypoint Detection)

6.图象标题(Image Caption)

7.人脸检测识别(Face Detection/Recognition)

  • 7.0:人脸检测- OpenCV(Haar特征分类器)
  • 7.1:人脸检测- MTCNN(Multi-task Cascaded Convolutional Networks)
  • 7.2:人脸识别-脸部检测、对齐&裁剪
  • 7.3:人脸识别-人脸部特征提取&人脸分类器
  • 7.4:人脸识别-转换、对齐、裁剪、特征提取与比对
  • 7.5:脸部关键点检测(dlib)
  • 7.6:头部姿态(Head pose)估计(dlib)

8.自然语言处理(Natural Language Processing)

  • 8.0:词嵌入(word embeddings)介绍
  • 8.1:使用结巴(jieba)进行中文分词
  • 8.2: Word2vec词嵌入(word embeddings)的基本概念
  • 8.3:使用结巴(jieba)进行歌词分析
  • 8.4:使用gensim训练中文词向量(word2vec)
参考自: https:// zhuanlan.zhihu.com/p/51 866340

(2) 超全的GAN PyTorch+Keras实现集合

生成对抗网络一直是非常美妙且高效的方法,下面是主流的生成对抗网络及其对应的 PyTorch 和 Keras 实现代码

eriklindernoren/PyTorch-GAN​github.com
51b5a15c2300bb0029e67ae2fd8541f0.png
https://github.com/eriklindernoren/Keras-GAN​github.com 机器之心:这些资源你肯定需要!超全的GAN PyTorch+Keras实现集合​zhuanlan.zhihu.com
40c29f26b75e4e0221a8f8e7e3bd27d5.png

02 Keras官方资料合集

https://github.com/keras-team/keras​github.com

除了官方文档中的各种示例外,还提供了众多的经典的视觉相关模型示例,文本序列相关的例子以及生成模型等。

ea333c474293ac13c4b64c07f404d872.png

d5c4da5a90933bb9825fd4256d3415de.png

fa2eec9bed3cfcbf3ae759df6c82cab9.png

f00870b5eabf30d68601508457b416a3.png

(2)Keras文档和资源

Keras 英文文档:https://keras.io/
Keras 中文文档:https://keras-cn.readthedocs.io/en/latest/
Keras 资源:https://github.com/fchollet/keras-resources
Keras 博客:https://blog.keras.io/index.html
转载自: https:// zhuanlan.zhihu.com/p/23 748037

03 Keras书籍推荐

(1)Python深度学习

20edd7333a299dffbeab7aefb7d1f9bd.png

(2)Keras快速上手:基于Python的深度学习实战

6cb0506edc12b390d3f4a9e6f1961180.png

(3)Keras图像深度学习实战

b130674ca6864912e57c2370eaab85bd.png

书籍获取方式:关注微信公众号“AI算法与图像处理” 回复“keras”即可获取

edf189ddf56b09a0cda2dbe4b2bf0c46.png
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值