[深度学习] 基于深度学习的疲劳驾驶检测算法

说明：针对现有疲劳驾驶检测算法实用性差或准确率低的问题, 本文提出了一种基于深度学习的疲劳驾驶检测算法. 首先, 使用 HOG (Histogram of Oriented Gradient) 特征算子检测人脸的存在; 其次, 利用特征点模型实现人脸的对齐, 同时实现眼睛、嘴巴区域的分割; 最后通过深度卷积神经网络提取驾驶员的眼部疲劳特征, 并融合驾驶员嘴部的疲劳特征进行疲劳预警. 大量的实验表明, 该方法在疲劳驾驶检测的准确率、实时性等方面都取得明显的性能提升.
<m0_37829549> 上传 | 大小：2mb

[深度学习] 自然语言处理文本分类实验

说明：Python文本分类总结:贝叶斯,逻辑回归,决策树,随机森林,SVM,词向量,TFIDF,神经网络,CNN,LSTM,GRU,双向RNN,LDA：含文本10分类语料、机器学习算法、深度学习算法、专家系统，文本分类结果及结论
<Yellow_python> 上传 | 大小：50mb

[深度学习] VGG艺术风格图片制作.zip

说明：神经风格迁移是一种优化技术，用于将两个图像（一个内容图像和一个风格参考图像）混合在一起，使输出的图像看起来像内容图像， 但是使用了风格参考图像的风格。这是通过优化输出图像以匹配内容图像的内容统计数据和风格参考图像的风格统计数据来实现的。 这些统计数据可以使用卷积网络从图像中提取。TensorFlow2.0/2.1可运行,VGG模型放在路径C:\Users\admin\.keras\models，风格图片，内容图片放在路径C:\Users\admin\.keras\datasets，即可运行。
<a_13572035650> 上传 | 大小：73mb

[深度学习] 基于paddle-lite的支持人脸检测和佩戴口罩识别的Mjpg-Streamer

说明：通过修改MJpg-Streamer代码，在获取的摄像头图像中，使用百度的paddle-lite框架和模型，进行人脸检测和佩戴口罩识别，并对未佩戴者语音提醒。
<guomeng_77> 上传 | 大小：5mb

[深度学习] CIFAR-100 图片格式数据集

说明：CIFAR-100 图片格式数据集，按 100 分类文件夹储存，链接：https://pan.baidu.com/s/1jKxDXaj_n87egmI1OxmClA 提取码：p141
<weixin_43667077> 上传 | 大小：140mb

[深度学习] CIFAR-10 图片格式数据集

说明：CIFAR-10 图片格式数据集，按 10 分类文件夹储存，链接：https://pan.baidu.com/s/1_hyxNEr9SHWp0K8zwsLySQ 提取码：kdcr
<weixin_43667077> 上传 | 大小：141mb

[深度学习] cudnn-10.2-windows10-x64-v8.0.3.33.zip

说明：cudnn 8.0.3.33 windows10 64位 CUDA 10.2 官网下载 自用备份 紫薯补丁
<dedward> 上传 | 大小：298mb

[深度学习] 严恭敏学术论文汇总，经典的论文资料

说明：严恭敏学术论文汇总，经典的论文资料，汇集了严老师的多篇经典的论文，资源内容清晰，准确，适合惯性导航学生及研究人员。
<mfj710> 上传 | 大小：23mb

[深度学习] Faster-RCNN.ipynb - Colaboratory(light).pdf

说明：训练Faster RCNN大致流程梳理，包括：构建特征提取网络、生成Anchor、生成RPN网络的训练标签、构建RPN网络、NMS、生成rois标签、构建Fast RCNN网络（RoIHEAD）、计算RPN和Fast RCNN两部分损失。 简洁的代码加上清新的笔记，每一步都可以即时运行得到结果，简单易懂
<weixin_43711554> 上传 | 大小：1mb

[深度学习] XLNet的预训练模型 cased_L-12_H-768_A-12.zip

说明：XLNet的预训练好的模型文件，来自 https://github.com/zihangdai/xlnet
<guotong1988> 上传 | 大小：413mb

[深度学习] 官方配置opencv3.2.0依赖项ippicv_linux_20151201.tgz下载+源码

说明：资源包括源码以及依赖项 opencv3.2.0依赖项ippicv_linux_20151201.tgz 进入opencv目录中opencv-3.2.0/3rdparty/ippicv/downloads/linux-808b791a6eac9ed78d32a7666804320e/替换即可
<trepassing> 上传 | 大小：108mb

[深度学习] 人工智能治理白皮书2020

说明：本白皮书从人工智能第三次浪潮开辟的治理新需要出发，结合当前人工智能发展阶段，分析了全球目前的人工智能治理机制，重点介绍了两项主要的治理举措，即以伦理为导向的社会约束体系和以法律为保障的风险防控体系，最后对人工智能治理的未来发展方向进行了展望，期待为社会各方提供有益参考。
<weixin_43013822> 上传 | 大小：1mb