深度学习入门：基于Python的理论与实现.文字

该资源以python为工具学习深度学+机器学习。资源内容（深度学习基础与机器学习介绍+算法与应用）

详尽介绍了用Python和Keras进行深度学习的探索实践,涉及计算机视觉

python深度学习，由 Keras 之父、现任 Google 人工智能研究员的弗朗索瓦 • 肖莱（François Chollet）执笔。高清、非扫描版。

结合python的一本关于深度学习的教程，可以用于入门学习

【深度学习入门】Paddle实现手写数字识别(基于DenseNet)0. 闲言碎语:1. MNIST 数据集:2. DenseNet 详解:2.1 ResNet(颠覆性的残差结构):2.2 Dense

设计了一种基于深度迁移学习模型,对多种常见的可回收垃圾图像进行识别分类的垃圾图像分类系统.对比了VGG16、InceptionV3、InceptionResnetV2预训练模型的性能,最优识别正确率达

现场可编程门阵列FPGA作为常用的加速手段之一，具有高性能、低功耗、 可编程等特点。本文采用FPGA设计针对深度学习通用计算部分的加速器，主要工作有： 1)、分析深度神经网络、卷积神经网络的预测过程和

采用yolov5算法训练以达到高准确率的摔倒行为检测，该模型已在runs/train目录下训练完成并可直接使用，训练参数和检测效果分别放置于相应目录下。摔倒检测可广泛应用于异常行为监测和智能守护等领域

基于Pytorch深度学习的食物检测与推荐(营养跟踪)

基于TensorFlow实现的CTPN文字检测