这里面包含整个基于神经网络深度学习完成人脸识别项目，包括原始数据训练数据训练模型测试数据等

目标识别是计算机视觉一个重要的研究领域，由此延伸出的车辆型号识别具有重要的实际应用价值，特别是在当今交通状况复杂的大城市，智能交通系统成为发展趋势，这离不开对车辆型号进行识别和分类的工作，本文围绕如何利用计算机视觉的方法进行车辆型号的识别和分类展开了一系列研究：本文对当前的目标识别和分类的特征和算法做了总结和归纳。
分析比较了作为图像特征描述常见的特征算子，总结归纳了他们的提取方法、特征功能以及相互之间的关联。
另外，介绍了在目标识别工作中常用的分类方法,阐述了他们各自的原理和工作方法。
研究了深度神经网络的理论依据，分析比较了深度神经网络不同的特征学习方法，以及卷积神经网络的训练方法。
分析比较不同特征学习方法的特点选取k-means作为本文使用的特征学习方法，利用卷积神经网络结构搭建深度学习模型，进行车辆车型识别工作。
本文为了测试基于深度学习的车辆型号分类算法的功能在30个不同型号共7158张图片上进行实验；
并在相同数据上利用改进了的SIFT特征匹配的算法进行对比实验；
进过实验测试，深度学习方法在进行车型分类的实验中取得94%的正确率，并在与SIFT匹配实验结果对比后进一步证实：深度学习的方法能够应用在车辆型号识别领域

基于深度学习的大蒜鳞芽朝向识别研讨

小虫象棋团队在吸收2010年版的优秀知识的基础上，使用最新的位棋盘技术重新编写了整个引擎，同时采用了最先进的搜索算法，引擎的运行效率提高了200%以上，直接的棋力提升更是高达400等级分，在与一些知名象棋软件的对抗测试中，取得极高的胜率。
小虫象棋取得飞跃性的进步，还得益于领先的审局体系。
小虫象棋的审局体系与传统引擎有较大区别。
2016年AlphaGo以4比1的总比分大胜世界冠军李世石，此后更化身master现身野狐，横扫人类顶尖高手，未逢敌手。
小虫象棋团队充分自创了AlphaGo的论文，在深度学习专家3DChess作者的推动下，建立了基于深度学习的参数优化模型，在一定程度上实现了审局参数自动优化，同时发现尚未被人类总结的象棋知识。
总体而言，小虫象棋棋风细腻，能攻善守，防守时稳健，攻杀时凶猛。
小虫象棋对中国象棋的各种典型杀法的审局处理比较到位，能很好地抓住对方的防守漏洞，必要时弃子攻杀，一举擒王。
在局势处于下风时防守顽强，往往能化险为夷。
由于小虫象棋团队现阶段将研究重心放在审局优化上，暂不支持残局库。
但计划在半年内陆续支持基本的残局库和审局库。

需要再matlab2017a即以上版本上运转资源来自网络本为matlab计算机视觉与深度学习实战28章示例代码

基于深度学习的图像去噪算法研讨邓正林电子科技大学

基于深度学习字符型图片数字验证码识别完整过程及Python实现（深度学习学习、实现数字、字符模型训练、详细引见附源码）

采用一种基于深度学习的人脸识别系统，通过逐层预训练的方法训练网络的初始权值，随后再精调网络，可使网络达到全局最优，避免网络模型陷入局部最优。

目录第一章引言 11.1图像质量评价的定义 11.2研究对象 11.3方法分类 21.4研究意义 3第二章历史发展和研究现状 42.1基于手工特征提取的图像质量评价 42.1.1基于可视误差的“自底向上”模型 42.1.1.1Daly模型 42.1.1.2Watson’sDCT模型 52.1.1.3存在的问题 52.1.2基于HVS的“自顶向下”模型 52.1.2.1结构相似性方法 62.1.2.2信息论方法 82.1.2.3存在的问题 92.2基于深度学习的图像质量评价 102.2.1CNN模型 102.2.2多任务CNN模型 122.2.3研究重点 15第三章图像质量评价数据集和功能指标 163.1图像质量评价数据集简介 163.2图像质量评价模型功能指标 17第四章总结与展望 194.1归纳总结 194.2未来展望 19参考文献 21第一章引言随着现代科技的发展，诸如智能手机，平板电脑和数码相机之类的消费电子产品快速普及，已经产生了大量的数字图像。
作为一种更自然的交流方式，图像中的信息相较于文本更加丰富。
信息化时代的到来使图像实现了无障碍传输，图像在现代社会工商业的应用越来越广泛和深入，是人们生活中最基本的信息传播手段，也是机器学习的重要信息源。
图像质量是图像系统的核心价值，此外，它也是图像系统技术水平的最高层次。
但是，对图像的有损压缩、采集和传输等过程会很容易导致图像质量下降的问题。
例如：在拍摄图像过程中，机械系统的抖动、光学系统的聚焦模糊以及电子系统的热噪声等都会造成图像不够清晰；
在图像存储和传输过程中，由于庞大的数据量和有限通讯带宽的矛盾，图像需要进行有损压缩编码，这也会导致振铃效应、模糊效应和块效应等图像退化现象的出现。
所以，可以说图像降质在图像系统的各个层面都会很频繁地出现，对图像质量作出相应的客观评价是十分重要且有意义的。
为了满足用户在各种应用中对图像质量的要求，也便于开发者们维持、控制和强化图像质量，图像质量评价（ImageQualityAssessment，IQA）是一种对图像所受到的质量退化进行辨识和量化的

基于CNN，有GUI界面。
基于tensorflow，有数据集，已划分训练集，测试集，训练集已做标签.直接运转demo.py，按需下载需要包即可运转。

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。