京 东 价：
[定价：￥]
PLUS会员专享价
您购买此商品可享受专属价
增值业务：
重　　量：
搭配赠品：
服务支持：
加载中，请稍候...
加载中，请稍候...
加载中，请稍候...
中考地图能力训练
商品介绍加载中...
扫一扫，精彩好书免费看
京东商城向您保证所售商品均为正品行货，京东自营商品开具机打***或电子***。
凭质保***及京东商城***，可享受全国联保服务（奢侈品、钟表除外；奢侈品、钟表由京东联系保修，享受法定三包售后服务），与您亲临商场选购的商品享受相同的质量保证。京东商城还为您提供具有竞争力的商品价格和，请您放心购买！
注：因厂家会在没有任何提前通知的情况下更改产品包装、产地或者一些附件，本司不能确保客户收到的货物与商城图片、产地、附件说明完全一致。只能确保为原厂正货！并且保证与当时市场上同样主流新品一致。若本商城没有及时更新，请大家谅解！
权利声明：京东上的所有商品信息、客户评价、商品咨询、网友讨论等内容，是京东重要的经营资源，未经许可，禁止非法转载使用。
注：本站商品信息均来自于合作方，其真实性、准确性和合法性由信息拥有者（合作方）负责。本站不提供任何保证，并不承担任何法律责任。
印刷版次不同，印刷时间和版次以实物为准。
价格说明：
京东价：京东价为商品的销售价，是您最终决定是否购买商品的依据。
划线价：商品展示的划横线价格为参考价，该价格可能是品牌专柜标价、商品吊牌价或由品牌供应商提供的正品零售价（如厂商指导价、建议零售价等）或该商品在京东平台上曾经展示过的销售价；由于地区、时间的差异性和市场行情波动，品牌专柜标价、商品吊牌价等可能会与您购物时展示的不一致，该价格仅供您参考。
折扣：如无特殊说明，折扣指销售商在原价、或划线价（如品牌专柜标价、商品吊牌价、厂商指导价、厂商建议零售价）等某一价格基础上计算出的优惠比例或优惠金额；如有疑问，您可在购买前联系销售商进行咨询。
异常问题：商品促销信息以商品详情页“促销”栏中的信息为准；商品的具体售价以订单结算页价格为准；如您发现活动商品售价或促销信息有异常，建议购买前先联系销售商咨询。
加载中，请稍候...
加载中，请稍候...
加载中，请稍候...
加载中，请稍候...
加载中，请稍候...
加载中，请稍候...
加载中，请稍候...
浏览了该商品的用户还浏览了
加载中，请稍候...
七日畅销榜
新书热卖榜
iframe(src='///ns.html?id=GTM-T947SH', height='0', width='0', style='display: visibility:')资源 | 深度学习中的代码资源库（一）图像处理篇
我的图书馆
资源 | 深度学习中的代码资源库（一）图像处理篇
本文是集智小仙女为大家整理的代码资源库--图像处理篇，收集了大量深度学习项目图像处理领域的代码链接。包括图像识别，图像生成，看图说话等等方向的代码,所有代码均按照所属技术领域附有链接。大家同时可戳知乎中的链接索引，直接进入相应链接。知乎：/p/?utm_source=wechat_session&utm_medium=social1、 图像生成 1.1 绘画风格到图片的转换：Neural Style 1.2 图像类比转换：image-analogies 1.3 根据涂鸦生成图片：Neural Doodle 1.4 匹根据涂鸦类比图片：Sketchy 1.5 根据图片生成铅笔画：Pencil 1.6 手写文字模拟：rnnlib 1.7 转换风景图片：Transient Attributes for High-Level Understanding and Editing of Outdoor Scenes 1.8 图片变Emojis表情：What emojis will the Emojini 3000 grant your photos? 1.9 增加图片分辨率：srez 1.10 图片自动上色：Colornet 1.11 生成可爱的动漫头像：AnimeGAN 1.12 骡子变斑马：CycleGAN and pix2pix in PyTorch 1.13 强大的图像生成器：DiscoGAN in PyTorch 1.14 使用RNN生成手写数字：DRAW implmentation 1.15 使用CNN来放大图片：waifu2x2、 看图说话 2.1 根据图片生成一段描述：Show and Tell 2.2 根据图片讲故事：neural-storyteller 2.3 根据图片将故事2:NeuralTalk2 2.4 识别图片中的文字：CRNN for image-based sequence recognition3、 图像识别 3.1 用于物体识别的全卷积网络：PyTorch-FCN 3.2 引入注意力的卷积网络：Attention Transfer 3.3 物体识别实例：Deep-Learning 3.4 物体识别API：Tensorflow Object Detection API 3.5 推理场景结构：SfMLearner 3.6 用于分辨***图像的open_nsfw 3.7 人脸识别：Open Face 3.8 易用人脸识别：Face_recognition 3.9 快速人脸识别：MobileID 3.10 图像识别框架1：AlexNet & VGG Net & GoogleNet & ResNet 3.11 图像识别框架2：ResNeXt & RCNN & YOLO & SqueezeNet & SegNet 3.12 预训练的图像识别模型：functional-zoo 3.13 预定义的CNN过滤器： PyScatWave 3.14 计算图片中物体的相似度：Conditional Similarity Networks (CSNs) 3.15 量子化学中的神经信息传递(?_?;Neural Message Passing for Quantum Chemistry4 、图像理解 4.1 Visual Question Answering in Pytorch 4.2 Facebook看图答题：Clevr-IEP图像生成绘画风格到图片的转换：Neural Style这个项目是用 Torch 对 Leon A. Gatys, Alexander S. Ecker, 和 Matthias Bethge 等人的论文“A Neural Algorithm of Artistic Style”的一个实现。论文中提出一种算法，用卷积神经网络将一幅图像的内容与另一幅图像的风格进行组合。图像类比转换：image-analogies“神经图像类比”（neural image analogies）这个项目基本上是 A. Hertzmann et. al（2001）的论文“Image Analogies”的一个实现。在这个项目中，我们使用了 VGG16 的特征，利用 Chuan Li, Michael Wand (2016) 的论文“Combining Markov Random Fields and Convolutional Neural Networks for Image Synthesis”中描述的方法进行patch的匹配和混合。初始代码改编自 Keras 的“神经风格迁移”示例。根据涂鸦生成图片：Neural Doodle使用深度神经网络把你的二流涂鸦变成艺术一般的作品！这个项目是 Champandard（2016）的论文 “Semantic Style Transfer and Turning Two-Bit Doodles into Fine Artworks”的一个实现，基于 Chuan Li 和 Michael Wand（2016）在论文“Combining Markov Random Fields and Convolutional Neural Networks for Image Synthesis”中提出的 Neural Patches 算法。根据涂鸦类比图片：Sketchy这个项目可以根据用户手绘的涂鸦，匹配出类似的图片。根据图片生成铅笔画：Pencil把一副图像变成铅笔水粉画。手写文字模拟：rnnlib这个项目可以做到手写文字模拟。转换风景图片：Transient Attributes for High-Level Understanding and Editing of Outdoor Scenes这个项目可以识别和理解图片中的风景，并且可以根据用户提出的条件，定向改变原风景画中的环境（比如more night）图片变Emojis表情：What emojis will the Emojini 3000 grant your photos?将用户提供的图片转化成相关的表情图标增加图片分辨率：srezsrez（super-resolution through deep learning），即通过深度学习实现图像超分辨率。这个项目是利用深度学习将 16x16 的图像分辨率增加 4 倍，基于用来训练神经网络的数据集，所得到的图像具有鲜明的特征。图片自动上色：ColornetColornet 是一个给灰度图像自动上色的神经网络。生成可爱的动漫头像：AnimeGAN使用PyTorch实现的GAN，可以自定义生成漂亮的动漫妹子头像，附带训练数据集哦！骡子变斑马：CycleGAN and pix2pix in PyTorch图到图的翻译，著名的 CycleGAN 以及 pix2pix 的PyTorch 实现。强大的图像生成器：DiscoGAN in PyTorch《Learning to Discover Cross-Domain Relations with Generative Adversarial Networks》的 PyTorch 实现。使用RNN生成手写数字：DRAW implmentation使用RNN生成手写体数字。使用CNN来放大图片：waifu2x使用CNN来放大图片，与普通图片放大不同的是，使用CNN“生成”放大，使低分辨率的图片在放大后也不会出现像素锯齿。看图说话根据图片生成一段描述：Show and Tell这是 Oriol Vinyals et. al.（2016）的论文“Show and Tell: Lessons learned from the 2015 MSCOCO Image Captioning Challenge”的用TensorFlow实现的 image-to-text 图片说明生成模型。根据图片讲故事：neural-storytellerNeural-storyteller 是一个能够根据图像内容生成一个小故事的循环神经网络。这个 GitHub 库里包含了使用任意图像生成故事的代码，以及用于训练新模型的说明。根据图片将故事2:NeuralTalk2循环神经网络（RNN）可以用于给图像取标题。NeuralTalk2 比原始版本的 NeuralTalk 更快而且性能更好。与原来的 NeuralTalk 相比，NeuralTalk2 的实现是批量的，可以使用 Torch 在 GPU上运行，并且支持 CNN 微调。这些都使得语言模型（~100x）的训练速度大大加快，但由于我们还有一个 VGGNet，因此总体上的提升没有很多。但是这仍然是个好模型，可以在 2~3 天里训练好，而且表现出的性能非常好。识别图片中的文字：CRNN for image-based sequence recognition这个是 Convolutional Recurrent Neural Network (CRNN) 的 PyTorch 实现。CRNN 由一些CNN，RNN和CTC组成，常用于基于图像的序列识别任务，例如场景文本识别和OCR。3图像识别用于物体识别的全卷积网络：PyTorch-FCN一个性能出众的物体识别全卷积神经网络，使用PyTorch实现。引入注意力的卷积网络：Attention Transfer论文 'Paying More Attention to Attention: Improving the Performance of Convolutional Neural Networks via Attention Transfer' 的PyTorch实现。物体识别实例：Deep-Learning一个基于Ipython Notebook的物体识别实例，使用了Tensorflow Object Dectection API物体识别API：Tensorflow Object Detection APIGoogle Tensorflow Object Dectection API 的开源代码。推理场景结构：SfMLearner用单张图片推理场景结构：UC Berkeley提出3D景深联合学习方法用于分辨***图像的open_nsfw这是雅虎构建的用于检测图片是否包含不适宜工作场所（NSFW）内容的深度神经网络项目，GitHub 库中包含了网络的 Caffe 模型的代码。检测具有攻击性或***内容的图像是研究人员进行了几十年的一个难题。随着计算机视觉技术和深度学习的发展，算法已经成熟，雅虎的这个模型能以更高的精度分辨***图像。 由于 NSFW 界定其实是很主观的，有的人反感的东西可能其他人并不觉得如何。雅虎的这个深度神经网络只关注NSFW内容的一种类型，即***图片，所以该模型不适用于检测素描、文字、动画、暴力图片等内容。人脸识别：Open FaceOpenFace 是一个使用深度神经网络，用 Python 和 Torch 实现人脸识别的项目。神经网络模型基于 Google Florian Schroff 等人的 CVPR 2015 论文“FaceNet: A Unified Embedding for Face Recognition and Clustering” ，Torch 让网络可以在 CPU 或 CUDA 上运行。易用人脸识别：Face_recognition/ageitgey/face_recognition#face-recognition这也提供了一个简单的 face_recognition 命令行工具，你可以打开命令行中任意图像文件夹，进行人脸识别！快速人脸识别：MobileID据说是个超级快速的人脸识别程序，可以用在手机上图像识别框架1：AlexNet & VGG Net & GoogleNet & ResNetAlexNetVGG NeGoogleNetResNet图像识别框架2：ResNeXt & RCNN & YOLO & SqueezeNet & SegNetResNeXtRCNN (基于区域的 CNN)YOLO (You Only Look once)SqueezeNetSegNet预训练的图像识别模型：functional-zoo由PyTorch和Tensorflow实现的常用图像识别模型包含预训练参数。预定义的CNN过滤器： PyScatWave一套预定义的filter，用于增强图像识别的效果。计算图片中物体的相似度：Conditional Similarity Networks (CSNs)《Conditional Similarity Networks》的PyTorch实现，可以根据不同的条件计算图片中物体的相似度。量子化学中的神经信息传递(Neural Message Passing for Quantum Chemistry)论文《Neural Message Passing for Quantum Chemistry》的PyTorch实现，讲的是量子化学里的神经信息传递！听起来碉堡了。图像理解Visual Question Answering in Pytorch一个PyTorch实现的优秀视觉推理问答系统，是基于论文《MUTAN: Multimodal Tucker Fusion for Visual Question Answering》实现的。项目中有详细的配置使用方法说明。Facebook看图答题：Clevr-IEPFacebook Research 论文《Inferring and Executing Programs for Visual Reasoning》的PyTorch实现，讲的是一个可以基于图片进行关系推理问答的网络。更多关于深度学习项目的代码链接，视频类、声音类、语言类、游戏类、文本类等，关注公众号我们会持续更新，敬请期待......自学容易走弯路？快来跟张江教授学习深度学习&PyTorch吧！集智AI学园重磅推出系列直播课《火炬上的深度学习（上）》扫码查看详细信息李周园清华大学博士、荷兰Wageningen大学WIMEK学者，遥感数据挖掘方向。胡胜中国地质大学（武汉）硕士、攻读博士，空间数据挖掘和智慧交通方向，熟悉Python语言。孙颖宝荷兰Wageningen大学遥感与地理信息实验室研究生，熟悉R、Python语言。苏尚君 前运维开发工程师、现Udacity机器学习课程助教，熟悉Python语言，GitHub用户、有“简书”技术专栏。任伟中国科学院大学博士，气候系统与碳循环方向，有深度学习技术基础，熟悉数据挖掘与空间分析。张庆逸学生，有编程工作经验，了解Python语言。戳阅读原文，获取学习视频！
馆藏&10248
TA的最新馆藏
喜欢该文的人也喜欢