[深度学习] 人工智能伪代码.rar

说明：人工智能中四种搜索算法的C++伪代码 作为参考学习资源
<qq_42200143> 上传 | 大小：3kb

[深度学习] 八数码 算法流程图.vsdx

说明：八数码问题 算法流程图 visio2016的vsdx流程图文件 算法学习
<qq_42200143> 上传 | 大小：46kb

[深度学习] cudnn7.4+cuda10.0+tensorflwo1.4亲测，此文件为cudnn

说明：cuda10.0+cudnn7.4+tensorflwo1.4亲测。 NVIDIA cuDNN是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。NVIDIA cuDNN可以集成到更高级别的机器学习框架中，如谷歌的Tensorflow、加州大学伯克利分校的流行caffe软件。简单的插入式设计可以让开发人员专注于设计和实现神经网络模型，而不是简单调整性能，同时还可以在GPU上实现高性能现代并行计算。
<u011017620> 上传 | 大小：208mb

[深度学习] 视觉SLAM-无人驾驶 刚体的坐标系与运动、李群与李代数 AR VR 回路检测 教学视频 资料代码

说明：本次的SLAM课程主要包括以下三个部分： 1.以快速入门和理解为主，讲解SLAM的基本概念和知识，包括传感器、滤波、刚体的坐标系与运动、李群与李代数。其中传感器主要涉及视觉和激光两部分。视觉部分将介绍相机模型以及底层、中层、高层图像处理。 2.围绕当前研究的热点和重点来解答一下几个问题：SLAM与无人机有什么联系？SLAM与无人驾驶存在那些技术和未知的探索？AR/VR为什么需要凭借SLAM，又可以为我们带来什么？ 我们生活的实践中，SLAM助力盲人导航？ 3.以程序示例来进行模块化演示和强化理解
<shi__cheng> 上传 | 大小：950byte

[深度学习] 遗传算法代码，MATLAB版本

说明：遗传算法matlab代码，一个是实数编码的，另一个是二进制编码的。可以用于求解TSP；多目标参数优化；PID调参；神经网络优化等等。
<qq_44017846> 上传 | 大小：8kb

[深度学习] 变分自编码器.ppt

说明：自己汇报总结的有关编码器和变分自编码器的相关ppt,写的大概很清楚了，上传上来，敬请参考。
<weixin_42041786> 上传 | 大小：7mb

[深度学习] Caffe日志图形化显示软件.zip

说明：Caffe日志图形化显示.工具由本人原创开发，支持Caffe日志文件拖拽，查看accuracy和loss训练趋势，详情请参考我的博客
<fl1623863129> 上传 | 大小：49kb

[深度学习] label.png图像16位或24位转8位,用于Mask Rcnn训练(绝对可用)

说明：(代码简洁, 绝对可用)使用python将24位或者16位图像转换为8位图像，用于labelme标记的MASK_RCNN进行样本训练, 自己的样本数据是24位就是用这代码进行转换成8位, 样本已训练成功.(16位亦可用).
<boboly186> 上传 | 大小：917byte

[深度学习] 用SSD模型在Win7下仅CPU的Tensorflow跑目标检测 .docx

说明：用SSD模型在Win7下仅CPU的Tensorflow跑目标检测，此时注意，有些包像直接下载子文件名object detection，导致各个包里面的东西确实，导致运行程序时出现各种错误，因为本人已经下了好几个不同大小的object detection。
<weixin_40255359> 上传 | 大小：762kb

[深度学习] ssd300模型搭建代码.py

说明：从priorBox到Bbox解析的实现细节： 当背景类的置信度最高时，表示预测的bbox不包含目标，当其他类别置信度最高时就代表bbox所含目标的类别，SSD网络对feature map上的每一个cell的每一个priorBox都要预测两组值，通常bbox的位置信息由中心坐标和长宽表示，但是实际上SSD的预测值只是priorBox到Bbox的转换值（offset/transformation），SSD里面使用的坐标转换策略和Faster-RCNN相同；
<weixin_40255359> 上传 | 大小：34kb

[深度学习] ssd300模型训练代码.py

说明：SSD训练过程中的关键点是如何将ground truth信息和网络预测输出的信息匹配上，一旦信息匹配上就能端到端的训练了（这里可以理解为预测值和GT值为loss function的两个输入，需要进行相应值的转换才才能符合loss function的输入标准）。 匹配策略： 在SSD的训练过程中，当预测bbox和任一gt bbox的jaccard overlap（IOU值）大于0.5时都被当做正样本（由于图像中GT很少，目的是防止负样本过多这个样本过少，学习难度大），其实即使是这样训练过程中由于g
<weixin_40255359> 上传 | 大小：18kb

[深度学习] ssd300模型预测代码.py

说明：SSD的预测过程主要分为以下几个阶段： 首先根据类别置信度确定其类别与其对应的置信度值，并过滤掉属于背景的预测框； 根据置信度阈值0.5对预测框进行过滤，对剩下的预测框进行解码和校正，得到预测框真实的位置信息； 根据置信度进行降序排列，保留部分预测框并进行NMS，过滤掉那些重叠度较大的预测框得到最终检测结果；
<weixin_40255359> 上传 | 大小：9kb