Python TensorFlow框架 实现手写数字识别系统-附件资源

张量流 人脸检测MTCNN算法，采用tensorflow框架编写，从理解到训练，中文注释完全，含测试和训练，支持摄像头，代码参考 ，相应地减少了尺寸和优化。 模型理解 是目前比较流行的人脸检测方法，通过人脸检测可以进行更精准的人脸识别。模型主要通过PNet，RNet，ONet三个网络级联，一步一步精调来对人脸进行更准确的检测。论文中的模型图如下： 接下来我会从我在训练中的理解来解释MTCNN模型都干了什么。三个模型要按顺序训练，首先是PNet，然后RNet，最后ONet。 PNet： PNet是全卷积网络，主要为了应对不同输入尺度，层数很浅，主要作用是重新多的把人脸框都选进来，宁愿错误拿来好

使用TensorFlow框架进行人体姿势估计

基于TensorFlow框架、Faster RCNN模型、SSM框架(SpringMVC+Spring+Mybatis)的实时行人检测系统-附件资源

基于python+tensorflow的srcnn超分辨率重构代码（基本可以达到论文中的效果），优于基本上网上的大部分代码，网上大部分代码效果离理想效果差5-6db，而我这个资源把里面的坑踩掉了。可以结合我主页的博客看会更容易理解。下载后请先阅读说明文档。对应博客：https://blog.csdn.net/weixin_43723423/article/details/108368746

DeblurGan训练好的模型，一共三组。 一组为处理高斯模糊的模型，其他两组为处理运动模糊的模型。 百度云分享。 深度学习

七月在线TensorFlow 框架实战，包含授课课件和部分源码，Jupyter打开。 计算机视觉：分类，识别，无人驾驶，图像搜索等 自然语言处理：语言模型、机器翻译、词性标注、实体识别、情感分析等

在TensorFlow框架下实现DBN网络，帮助你快速的入门学习

猫狗分类，运用python编写，tensorflow框架，人工智能