[深度学习] 红外目标在cnn各层的特征图可视化.docx

说明： 输入层中原本固定采样区域分别加入偏移向量，然后在卷积核中通过双线性插值的算法将带有偏移向量的采样点集中在一起，并且使得带偏移向量的输出特征图与输入的特征图具有一致的空间分辨率，最终传递给下一个网络层。这样在不改变空间分辨率的情况下，实现对不规则图像特征的提取。
<weixin_40255359> 上传 | 大小：307kb

[深度学习] 预测未训练的图像.py

说明： 利用生成好的VGG16权重文件训练30万次，来预测未经过训练自己的真是图像！
<weixin_40255359> 上传 | 大小：5kb

[深度学习] 评估预测各个类别的概率.py

说明： 实测ssd300，深度学习网络模型网络搭建、数据输入、文件生成、模型训练、预测、定位全程序！
<weixin_40255359> 上传 | 大小：7kb

[深度学习] Luna16数据集转VOC数据集&肺实质分割&生成,Mat.zip

说明： Luna16数据集是三维的，使用yolov3进行肺结节检测是无法直接处理的。需要把Luna16数据集的三维图片转换成二维图片，把标注生成对应的.xml文件才行。getDataCsv.py生成.xml及二维图片，getImg.py完成肺实质分割，getMat.py对疑似肺结节切割生成.Mat
<qq_24739717> 上传 | 大小：10kb

[深度学习] bazel-0.15.1-installer-linux-x86_64.sh 压缩包

说明： bazel-0.15.1，可从官方网址下载：https://github.com/bazelbuild/bazel/releases/tag/0.15.1 网速不佳时可能下载不下来，分享资源为了方便有需要的小伙伴们。
<qq_34638161> 上传 | 大小：174mb

[深度学习] bazel-0.15.0-installer-linux-x86_64.sh 压缩包

说明： bazel-0.15.0，可从官方网址下载：https://github.com/bazelbuild/bazel/releases/tag/0.15.0 网速不佳时可能下载不下来，分享资源为了方便有需要的小伙伴们。
<qq_34638161> 上传 | 大小：174mb

[深度学习] bazel-0.19.2-installer-linux-x86_64.sh

说明： bazel-0.19.2，可从官方网址下载：https://github.com/bazelbuild/bazel/releases/tag/0.19.2 网速不佳时可能下载不下来，分享资源为了方便有需要的小伙伴们。
<qq_34638161> 上传 | 大小：158mb

[深度学习] BeautyGAN论文翻译.docx

说明： 摘要：人脸彩妆转换的目的是在保留人脸特征的同时，将一个给定的参考彩妆人脸图像转换为另一个非彩妆人脸图像。这种实例级的传输问题比传统的域级传输任务更具挑战性，特别是当成对的数据不可用时。化妆风格也不同于全局风格(如绘画)，它由几种局部风格/化妆品组成，包括眼影、口红、粉底等等。这种局部的、精细的化妆信息提取和传递，对于现有的风格传递方法是不可行的。我们通过将全局域级损失和本地实例级损失合并到一个称为BeautyGAN的双输入/输出生成对抗网络中来解决这个问题。具体地说，域级的传输是由鉴别器来保证
<codeman_cdb> 上传 | 大小：4mb

[深度学习] iros_2019_tai.pdf

说明： 3D视觉处理，利用深度学习Visual-based Autonomous Driving Deployment
<seedlishifeng> 上传 | 大小：1mb

[深度学习] IJCAI2019.zip

说明： IJCAI2019.zip，全是论文的pdf
<zjhao666> 上传 | 大小：144mb

[深度学习] iou.zip解压后三个问价，一个模型文件，一个训练，一个识别

说明： 解压后三个问价，一个模型文件，一个训练，一个识别.首先使用目录下要有mnist文件，一般第一次使用后就会有，然后设定下训练的步数和训练的误差，最后使用regonize文件去识别手写字符。
<bomingzi> 上传 | 大小：3kb

[深度学习] Deep contextualized word representations

说明： 我们引入了一种新型的深层语境化词语表示，它模拟了（1）词汇使用的复杂特征（例如，语法和语义），以及（2）这些用法如何在语言语境中变化（即模型多义词） ）。我们的单词向量是深度双向语言模型（biLM）内部状态的学习函数，它是在大型文本语料库中预先训练的。我们表明，这些表示可以很容易地添加到现有模型中，并显着改善六个具有挑战性的NLP问题的技术发展水平，包括问答，文本蕴涵和情绪分析。我们还提供了一个分析，表明暴露预训练网络的深层内部是至关重要的，允许下游模型混合不同类型的半监督信号。
<sinat_36082827> 上传 | 大小：416kb