说明：这是一个深度学习教程，该教程非常的经典，内容详细，很适合初学者进行学习

说明：基于深度学习目标检测yolov3算法的源码

说明：该书理论和实践相结合，介绍了当前深度学习应用的几个主要框架和应用方向，实用性强，内容紧凑。基于Keras这个高度抽象的深度学习环境，全书强调快速构造深度学习模型和应用于实际业务，因此特别适合深度学习实践者和入门者学习，是一本必不可少的参考书。

说明：适合初学者基于matlab学习深度学习/神经网络，文件包括matlab deep learing以及随书代码

说明：好用好学的Python深度学习资料供分享和下载

说明：采用基于U-net的GAN网络对CASSI系统采集的数据或其它的压缩光谱相机的采集数据进行处理，最终重建出多光谱图像，代码框架为TensorFlow

说明：利用深度学习的方法检测场景中的物体例如食物，matlab程序编写，

说明：低光照增强是指将一个夜间拍摄的照明条件不好的图像的亮度进行增强。一种可行的方法是将图像分解成反射图和光照图，将光照图的光照进行增强后与反射图一起合成得到低光照增强后的图像。这个代码是用来将图像分解成反射图和光照图。

说明：图像风格迁移是指将一个图像抽象的风格迁移到另一个图像上，例如将一幅梵高的星空的风格迁移到一个自己拍的照片上。这个代码在PyTorch实现的风格迁移上进行了改进，能够依次读入文件夹里的每个图片，并计算该图片和风格图与内容图之间的距离，评价图像在风格和内容上的保持。

说明：人工智能，神经网络，深度学习，RBF,自组织径向基神经网络

说明：深度学习入门好书，很不错可以看看。。。github上也有

说明：机器学习实战pdf，可通过此书学习深度学习的实际应用,使用python实现。

说明：适合作为深度学习入门书籍，对初学者比较友好，使用python实现。

说明：基于Tensorflow的典型深度学习模型-深度置信网络预测程序，方便拓展，测试文件在test文件夹下

说明：这是一本由深度学习领域大师写的书籍，是AI领域的经典著作。

说明：基于深度强化学习的分布式资源管理,郑冰原

说明：生成对抗网络用于假图像的生成，可以进行图像的降噪和图像的复原

说明：基于深度学习的one-stage目标检测算法，代码为pytorch版本。

说明：一种新颖的视觉跟踪算法，基于一个来自有区别训练的CNN的表示。算法中使用大量跟踪视频的ground-truth来对CNN进行预训练，以获得通用的目标表示。

说明：白话深度学习与tensorflow书籍的pdf

说明：深度学习正在为广泛的行业带来革命性的变化。对于许多应用来说，深度学习通过做出更快和更准确的预测，证明其已经超越人类的预测。本书提供了自上而下和自下而上的方法来展示深度学习对不同领域现实问题的解决方案。这些应用程序包括计算机视觉、自然语言处理、时间序列预测和机器人。

说明：深度学习的相关的学习资料，还有matlab的工具箱

说明：基于深度学习的相关数学基础内容，对深度学习的理解有更好的帮助。

说明：里面包括实验代码，实验结果截图和说明文档，是在github上的dcc_crowdnet的代码完善及可视化显示。由于上传文件大小限制，这里没有训练模型，请单独下载或自行训练。

说明：深度学习在软件定义网络研究中的应用综述-计算机应用

说明：深度学习在故障诊断中的应用综述-计算机应用

说明：基于深度学习方法的车辆上牌量预测-计算机应用

说明：基于深度学习的道路障碍物检测方法-计算机应用

说明：深度学习教材，讲的是Tensorflow2.0