ByteCat

IoU又名交并比，是一种计算不同图像相互重叠比例的算法，时常被用于深度学习领域的目标检测或语义分割任务中。

图像识别解决了是什么的问题，目标检测解决了在哪里的问题。简单来说就是在图像识别的基础上，以包围盒（bounding box）的形式把物体框出来。

新出现的一些适用于图像分类的方法、模型。

卷积神经网络学习到的经验就非常适合可视化，因为很大程度上它们是视觉概念的表示。

一个简单的Flask应用程序，根据预训练模型推理接收到的图片的类别。

训练多种网络完成图像分类。

搭建CNN网络来完成验证码识别这一任务。项目中用到的验证码都是用captcha库来生成的。

这次我们用卷积神经网络来解决一个猫、狗的分类问题，这是一个典型的二分类问题。

MNIST手写数字识别项目因为数据量小识别任务简单而成为图像识别入门的第一课。

介绍两种非常有用的图像数据非线性增强方法。