您好,欢迎光临本网站![请登录][注册会员]  

人工智能下载,深度学习下载列表 第847页

« 1 2 ... .42 .43 .44 .45 .46 847.48 .49 .50 .51 .52 ... 1775 »

[深度学习] Deep.Learning.for.Computer.Vision.with.Python.Starter.Bundle.2017.9.pdf

说明: Deep.Learning.for.Computer.Vision.with.Python.Starter.Bundle.2017.9.pdf+配套代码
<suiban8578> 上传 | 大小:25mb

[深度学习] 人脸检测数据集-FDDB-originalPics

说明: 自然无限制各种场景下的多脸人脸检测,包含从Wild 数据集中的Faces获取的一组2845个图像中的5171个人脸的标注。
<u013912006> 上传 | 大小:154byte

[深度学习] 人脸检测数据集-trainning-data-faces

说明: kaggle2018年的已标注人脸检测数据集,文件内包括标签文件label_train.txt和图片数据文件db_train.raw。
<u013912006> 上传 | 大小:154byte

[深度学习] 人脸表情识别数据集-emotion_faces-data-new

说明: kaggle2018年的人脸表情识别数据集,来自实验室环境下采集的7864张人脸彩色图,每人采集了20张不同表情。
<u013912006> 上传 | 大小:44mb

[深度学习] 人脸表情识别数据集-yale-face-database

说明: kaggle2018年耶鲁大学公开的人脸表情识别数据集,该数据集包含15个受试者的165个GIF图像(subject01,subject02等)。每个主题有11个图像,一个用于以下每个面部表情或配置:中心光,带眼镜,快乐,左光,没有眼镜,正常,右光,悲伤,困,惊讶,和眨眼。
<u013912006> 上传 | 大小:5mb

[深度学习] 人脸表情识别数据集-GENKI-R2009a

说明: GENKI 数据集于 2009 年由加利福尼亚大学的机器概念实验室收集发布。收集自网络人脸图,包含7172位 11159 张图像,分为 “笑” 和 “不笑” 两种,每个图片的人脸的尺度大小,姿势,光照变化,头的转动等都不一样,专门用于做笑脸识别。
<u013912006> 上传 | 大小:57mb

[深度学习] 人脸表情识别数据集-CMU_PIE_Face-PIE和POSE子集

说明: CMU Multi-PIE人脸数据库包含超过750,000张337人的图像,这些图像在五个月内最多可​​记录四次。受试者在15个视点和19个照明条件下成像,同时显示一系列面部表情。此外,还获得了高分辨率正面图像。总的来说,数据库包含超过305GB的面部数据。 资源包括PIE照明子集(1154张人脸灰度图,32*32)和三个Pose05、Pose07、Pose09子集(分别包括3332张、1629张、859张人脸灰度图,64*64)。
<u013912006> 上传 | 大小:14mb

[深度学习] 零基础深度学习

说明: Deep Learning训练过程、CNN卷积神经网络推导和实现、CNN反向求导及练习、CNN卷积神经网络深度解析、CNN卷积神经网络文字识别系统
<qq_38971137> 上传 | 大小:1mb

[深度学习] 人脸属性识别数据集-WFLW_images

说明: 人脸多种属性、关键点标注数据集,包含了10000张脸,其中7500用于训练,2500张用于测试,共98个关键点。除了关键点之外,还有遮挡,姿态,妆容,光照, 模糊和表情等多种属性信息的标注。
<u013912006> 上传 | 大小:154byte

[深度学习] 人脸性别识别数据集-genderdetectionface

说明: kaggle2018年的已标注人脸性别识别数据集,数据收集自网络欧美名人的人脸彩色图片,包括训练集(女/男性800张)、验证集(女/男性170张)、测试集(女/男性170张),其中有不同光照、戴眼镜、头部部分等不同因素。
<u013912006> 上传 | 大小:154byte

[深度学习] shape_predictor_68_face_landmarks.dat人脸特征提取68个点ZIP压缩

说明: shape_predictor_68_face_landmarks.dat人脸特征提取68个点,ZIP压缩
<y_l_john> 上传 | 大小:67mb

[深度学习] Exploring Randomly Wired Neural Networks for Image Recognition

说明: FAIR何恺明团队近日发表神经结构搜索NAS方面的最新力作,通过随机连接的神经网络,探索了更多样化的连接模式,所提出的RandWire网络ImageNet基准测试中获得了有竞争力的准确度。
<tox33> 上传 | 大小:2mb
« 1 2 ... .42 .43 .44 .45 .46 847.48 .49 .50 .51 .52 ... 1775 »