针对实际交通场景下的车辆目标，应用深度学习目标分类算法中具有代表性的Faster R-CNN框架，结合ImageNet中的车辆数据集，把场景中的目标检测问题转换为目标的二分类问题，进行车辆目标的检测识别。相比传统机器学习目标检测算法，基于深度学习的目标检测算法在检测准确度和执行效率上优势明显。通过本实验结果分析表明，该方法在识别精度以及速度上均取得了显著的提高。

ImageNet数据集的数据字典，包含标签等信息，同时还包含markdown表格转换。个人jupyter文件的简单实现。仅供使用。具体实现结果参考我的主页的ImageNet数据字典的文章，里面附带github的源地址。仅供个人学习使用。

ImageNet数据集类别与编号查询表，方便快速查询需要的图片压缩包编号

ImageNet is provided by Standford University.本数据集由斯坦福大学提供。 imagenet_ILSVRC2017_datasets.zip

ImageNet下载器 这是ImageNet数据集下载器。 您可以通过指定所需的类以及每个类需要多少个图像来从ImageNet的子集创建新的数据集。 这是通过使用ImageNet API提供的图像URL来实现的。 我更加详细地介绍了如何以及为何编写该工具。 另外，我对帖子中ImageNet URL的当前状态进行了一些分析。 该软件是用Python 3编写的 用法 以下命令将随机选择其中包含至少200张图像的100个ImageNet类，然后开始下载： python ./downloader.py \ -data_root /data_root_folder/imagenet \ -number_of_classes 100 \ -images_per_class 200 以下命令将从每个选定的类中下载500张图像： python ./downloader.py

裁剪后的ImageNet2012数据集，用于图像分类，包含1000张三通道彩色图，可用PIL或OpenCV读取

ImageNet数据集有很多子集,该资源为树蛙子集,总共有1700多张自然图像

https://github.com/fchollet/deep-learning-models/releases/tag/v0.1 这网址下的keras的所有的预训练模型，包含vgg16,vgg19,resnt50,官方下载实在是太慢了。我这里提供了百度云链接，注册一天的百度云会员下载会很快的。

这个ImageNet数据集是用于分类的，不像用于检测的有目标框的坐标信息等，每个文件夹名称就是相应的该类标签。

mini版imagenet数据集,用于训练和测试网络模型,值得深度学习入门者收藏.