强烈推荐的这些Keras资料——让你少走很多弯路

导语

01

欢迎置顶公众号 “AI算法与图像处理”,第一时间推送优质内容

02

Keras拥有简洁,建模速度快,上手容易,对于初学者来说非常的友好,你能够很容易搭建起自己的模型,这里整理了一份优质的资源,相信看完之后的您不会隐身的吧,期待您的“在看”!

01

github项目

(1)黄海广博士力荐的github项目

资源地址:

https://github.com/erhwenkuo/deep-learning-with-keras-notebooks

资源介绍:

这个github的repository主要是ErhWen Kuo在学习Keras的一些记录及练习。希望在学习过程中发现到一些好的信息与示例也可以对想要学习使用Keras来解决问题的同学带来帮助。这些notebooks主要是使用Python 3.6与Keras 2.1.1版本跑在一台配置Nivida 1080Ti的Windows 10的机台所产生的结果,但有些部份会参杂一些Tensorflow与其它的函式库的介绍。

资源目录:

0.图象数据集/工具介绍

  • 0.0: COCO API解说与简单示例

  • 0.1:土炮自制扑克牌图象数据集

  • 0.2:使用Pillow来进行图像处理

1.Keras API示例

  • 1.0:使用图像增强来进行深度学习

  • 1.1:如何使用Keras函数式API进行深度学习

  • 1.2:从零开始构建VGG网络来学习Keras

  • 1.3:使用预训练的模型来分类照片中的物体

  • 1.4:使用图像增强来训练小数据集

  • 1.5:使用预先训练的卷积网络模型

  • 1.6:卷积网络模型学习到什么的可视化

  • 1.7:构建自动编码器(Autoencoder)

  • 1.8:序列到序列(Seq-to-Seq)学习介绍

  • 1.9: One-hot编码工具程序介绍

  • 1.10:循环神经网络(RNN)介绍

  • 1.11: LSTM的返回序列和返回状态之间的区别

  • 1.12:用LSTM来学习英文字母表顺序

2.图像分类(Image Classification)

  • 2.0: Julia(Chars74K)字母图像分类

  • 2.1:交通标志图像分类

  • 2.2:辛普森卡通图像角色分类

  • 2.3:时尚服饰图像分类

  • 2.4:人脸关键点辨识

  • 2.5: Captcha验证码分类

  • 2.6: Mnist手写图像分类(MLP)

  • 2.7: Mnist手写图像分类(CNN)

3.目标检测(Object Recognition)

  • 3.0: YOLO目标检测算法概念与介绍

  • 3.1: YOLOv2目标检测示例

  • 3.2:浣熊(Racoon)检测-YOLOv2模型训练与调整

  • 3.3:浣熊(Racoon)检测-YOLOv2模型的使用

  • 3.4:袋鼠(Kangaroo)检测-YOLOv2模型训练与调整

  • 3.5:双手(Hands)检测-YOLOv2模型训练与调整

  • 3.6:辛普森卡通图象角色(Simpson)检测-YOLOv2模型训练与调整

  • 3.7: MS COCO图象检测-YOLOv2模型训练与调整

4.物体分割(Object Segmentation)

5.关键点检测(Keypoint Detection)

6.图象标题(Image Caption)

7.人脸检测识别(Face Detection/Recognition)

  • 7.0:人脸检测- OpenCV(Haar特征分类器)

  • 7.1:人脸检测- MTCNN(Multi-task Cascaded Convolutional Networks)

  • 7.2:人脸识别-脸部检测、对齐&裁剪

  • 7.3:人脸识别-人脸部特征提取&人脸分类器

  • 7.4:人脸识别-转换、对齐、裁剪、特征提取与比对

  • 7.5:脸部关键点检测(dlib)

  • 7.6:头部姿态(Head pose)估计(dlib)

8.自然语言处理(Natural Language Processing)

  • 8.0:词嵌入(word embeddings)介绍

  • 8.1:使用结巴(jieba)进行中文分词

  • 8.2: Word2vec词嵌入(word embeddings)的基本概念

  • 8.3:使用结巴(jieba)进行歌词分析

  • 8.4:使用gensim训练中文词向量(word2vec)

参考自:https://zhuanlan.zhihu.com/p/51866340

(2)超全的GAN PyTorch+Keras实现集合

生成对抗网络一直是非常美妙且高效的方法,下面是主流的生成对抗网络及其对应的 PyTorch 和 Keras 实现代码

https://github.com/eriklindernoren/PyTorch-GAN

https://github.com/eriklindernoren/Keras-GAN

https://zhuanlan.zhihu.com/p/36058049

02

Keras官方资料合集

(1)4.1万star的github项目

https://github.com/keras-team/keras

除了官方文档中的各种示例外,还提供了众多的经典的视觉相关模型示例,文本序列相关的例子以及生成模型等。

强烈推荐的这些Keras资料——让你少走很多弯路_第1张图片强烈推荐的这些Keras资料——让你少走很多弯路_第2张图片强烈推荐的这些Keras资料——让你少走很多弯路_第3张图片

强烈推荐的这些Keras资料——让你少走很多弯路_第4张图片

(2)Keras文档和资源

Keras 英文文档:https://keras.io/	
Keras 中文文档:https://keras-cn.readthedocs.io/en/latest/	
Keras 资源:https://github.com/fchollet/keras-resources	
Keras 博客:https://blog.keras.io/index.html

转载自:https://zhuanlan.zhihu.com/p/23748037

03

Keras书籍分享

(1)Python深度学习

强烈推荐的这些Keras资料——让你少走很多弯路_第5张图片

(2)Keras快速上手:基于Python的深度学习实战

强烈推荐的这些Keras资料——让你少走很多弯路_第6张图片

(3)Keras图像深度学习实战

强烈推荐的这些Keras资料——让你少走很多弯路_第7张图片

取方式:

回复“keras”即可获取,如果链接失效请联系小编及时恢复

加群交流

扫码添加助手,可申请加入AI_study-目标检测交流群。一定要备注:目标检测+地点+学校/公司+昵称(如目标检测+上海+上交+卡卡西),不根据格式申请,一律不通过。

强烈推荐的这些Keras资料——让你少走很多弯路_第8张图片

你可能感兴趣的:(强烈推荐的这些Keras资料——让你少走很多弯路)