人工智能下载,深度学习下载列表第846页

[深度学习] 皮肤检测数据集-Skin Segmentation Data Set_UCI

说明：通过从各种年龄组（年轻人，中年人和老年人），种族组（白人，黑人和亚洲人）的面部图像中随机抽取B，G，R值以及从FERET数据库和PAL数据库获得的性别来收集皮肤数据集。。学习样本总量为245057; 其中50859是皮肤样本，194198是非皮肤样本。资源内包括数据集图片下载地址和对应的标注标签文档。
<u013912006> 上传 | 大小：419kb

[深度学习] 图片标注工具

说明：图片标注工具，支持windows下直接运行，压缩包内包括labelImg.exe程序和预定义的类别名称predefined_classes.txt文档。使用说明：先在predefined_classes.txt内按行输入所有标注的类别名称，然后运行labelImg.exe，选择图片文件夹图片进行标注，会自动生成每张图片的标签文档数据。
<u013912006> 上传 | 大小：154byte

[深度学习] Keras 教程（xingkongliang）

说明： Keras 教程（xingkongliang）
<wizardforcel> 上传 | 大小：1mb

[深度学习] 皮肤检测数据集-Face_Dataset

说明：已标注的基于像素的皮肤检测数据集，图片收集自网络名人图，包括32张单人原图和46张多人原图，以及各自对应的皮肤标注掩膜黑白图，即掩膜标签图中白色（255或1）为皮肤、黑色（0）为非皮肤，原图包括不同肤色、不同种族、不同年龄段、不同场景等。
<u013912006> 上传 | 大小：154byte

[深度学习] VOTT标注工具

说明： VoTT是微软发布的用于图像目标检测的标注工具，它是基于javascr ipt开发的，因此可以跨Windows和Linux平台运行，并且支持从图片和视频读取。此外，其还提供了基于CNTK训练的faster-rcnn模型进行自动标注然后人工矫正的方式，这样大大减轻了标注所需的工作量。本资源是vott-2.0.0-preview.3-win32.exe，双击即可安装使用。
<weixin_43159628> 上传 | 大小：5mb

[深度学习] 基于Keras的attention实战

说明：基于Keras的attention实战，环境配置： Wn10+CPU i7-6700 、Pycharm 2018、 python 3.6 、、numpy 1.14.5 、Keras 2.0.2 Matplotlib 2.2.2 经过小编亲自调试，可以使用，适合初学者从代码的角度了解attention机制。
<lcmsir> 上传 | 大小：1mb

[深度学习] 电影数据集/语料集

说明：用于自然语言处理的电影语料集。该数据集包含2005-2009期间发布的电影的元数据，财务信息和评论评论，供学术研究使用。这些数据由Mahesh Joshi， Dipanjan Das， Kevin Gimpel和Noah Smith收集。如果您撰写任何涉及上述数据使用的论文，请引用本文：电影评论和收入：文本回归实验 Mahesh Joshi， Dipanjan Das， Kevin Gimpel和 Noah A. Smith 在计算语言学人类语言技术协会北美分会会议录，2010年6月，加
<qq_41219001> 上传 | 大小：141mb

[深度学习] 人脸数据集-c512_006

说明：包括raiz1.ppm，raiz2.ppm，raiz3.ppm和windmill.ppm四个文件
<u013912006> 上传 | 大小：1mb

[深度学习] 人脸识别数据集-lfwpeople

说明： Labeled Faces in the Wild是一个面部照片数据库，专为研究无约束人脸识别问题而设计。该数据集包含从网络收集的13,000多张面部图像。每张脸都标有图中人物的名字。图中的1680人在数据集中有两张或更多不同的照片。该数据集是在互联网上收集的着名人物的JPEG图片的集合。所有详细信息均可在官方网站上获得：http：//vis-www.cs.umass.edu/lfw/，每张照片都以一张脸为中心。每个通道的每个像素（RGB中的颜色）由浮点范围0.0-1.0编码。该任务称为面部识
<u013912006> 上传 | 大小：154byte