关于Person Re identification的深度学习调研和展望

深度学习技术,近些年在学术界乃至工业界得到了广泛的关注,并且在计算机视觉、自然语言处理等方面取得了令人瞩目的成果,但是在电力系统深度学习技术还没有得到普及,本文介绍了深度学习的概念、主要网络模型,并对

首先对深度学习的发展历史以及概念进行简要的介绍。然后回顾最近几年基于深度学习的语音识别的研究进展。这一部分内容主要分成以下5点进行介绍:声学模型训练准则,基于深度学习的声学模型结构,基于深度学习的声学

本文提供了MFIF-GAN的pytorch源码，并附有中英文论文。涉及多焦点图像生成和融合、散焦扩散效应和生成式对抗网络等深度学习内容。旨在提供深度学习爱好者一个学习和应用MFIF-GAN的机会。

两本经典深入的深度学习入门和进阶的书籍（魏秀参教授的解析卷积神经网络，Michael Nielsen的Neural Networks and Deep Learning），自己读过，觉得这两本书挺好，

Resnet50和Resnet101是具有优异性能的卷积神经网络，它们在Pytorch平台上也得到了良好的实现。现在你可以通过ipynb文件或在pycharm中添加jupyter插件来打开并使用这些模

经过训练的Keras图像分类模型 此存储库已弃用。 立即使用MODULE的keras.applications 。 拉取请求将不会被审核或合并。 将任何PR keras.applications到ke

这份PPT，主要有7个主题，分别是：1、调整学习率；2、调整小批量的规模；3、调整优化器和权值衰减；4、调整特征和标签；5、调整特征和标签（mixup）；6、调整初始条件；7、Shake-shake正

deep learning 的一些标志性文章 A Fast Learning Algorithm for Deep Belief Nets (2006) - 首 次提出layerwise greedy

本文接受了深度学习加速与神经形态计算技术，展望未来深度学习及神经网络的发展方向。

机器学习和深度学习笔记下载