基于深度学习的多标签图像分类，使用时尚产品数据集。工程充分将代码解耦，便于代码管理。

  本来想着多更新一些关于深度学习的文章，但这方面知识专业度很高，如果作者本身都掌握不好，又怎么能写出好文章分享呢？  距离第一篇关于深度学习的文章：深度学习笔记1——激活函数，已经过去了9个多月，在沉淀了9个月后，这次写出了第二篇关于深度学习的文章，而且出于快速上手代码编写的目的，这次直接进行手写数字识别的实战，且看下文：一、准备工作设备\库型号\版本显卡GTX1650驱动程序版本457.49t

基于深度学习的多标签图像分类，使用时尚产品数据集。工程充分将代码解耦，便于代码管理。

人眼虹膜直径范围大概在11.7±0.5mm。因此我们可以利用相似三角形计算人眼与摄像头传感器的距离

使用谷歌MediaPipe框架实现人脸关键点检测，获取人脸区域400多个3D关键点，并在图中标记出部分区域。

MediaPipe 是一款由 Google Research 开发并开源的多媒体机器学习模型应用框架。提供多种错误坐姿情况的判断。

MediaPipe 是一款由 Google Research 开发并开源的多媒体机器学习模型应用框架。提供多种错误坐姿情况的判断。

图像分类是搞深度学习一定要掌握的一个视觉任务，本文章将基于血细胞数据集实现图像分类！本文程序已解耦，可当做通用型图像分类框架使用。

一、简述在学术界，大多围绕着如何提高视觉任务的SOTA进行研究，但在工业界，一个良好的模型如何移植到计算能力不足的移动设备上才是重点考虑的问题。ShuffleNet是由旷视研究院于2018年发表在CVPR上的一篇文章。AI四小龙之一的旷视，多次在顶级会议（如CVPR、ECCV、ICCV）上发表文章。ShuffleNet的第一作者 Xiangyu Zhang 张祥雨 也是里程碑式神经网络ResNet

一、简述在[【深度学习经典网络架构—8】：注意力机制之SE_Block](https://blog.csdn.net/qq_42856191/article/details/123655146?spm=1001.2014.3001.5501)中，我们介绍了CNN的通道注意力模块SE_Block，本次带来的是另一个即用即插的注意力模块CBAM。论文链接：[CBAM: Convolutional Bl