手势识别，只需要OPENCV，采用YOLO4T和MOBILENET分类

深度学习与CV教程(10) - 轻量化CNN架构 (SqueezeNet,ShuffleNet,MobileNet等).doc

完整的MobileNet v1-v3的源代码，包括模型脚本、训练以及预测脚本。并有完整的博客介绍： 1. MobileNet系列(1) :MobileNet V1网络详解：https://blog.csdn.net/weixin_38346042/article/details/125329726?spm=1001.2014.3001.5501 2. MobileNet系列(2)：MobileNet-V2 网络详解：https://blog.csdn.net/weixin_38346042/article/details/125355111?spm=1001.2014.3001.5501 3.MobileNet系列(4):MobileNetv3网络详解：https://blog.csdn.net/weixin_38346042/article/details/125470446?spm=1001.2014.3001.5501

MobileNetv2 图像分类（DogVsCat）

MobileNet预训练模型.zip

使用labview快速实现物体识别（目标检测），包括darknet和tfl两种调用，识别过程可使用CUDA加速，实时目标检测，不会卡顿延迟。darkenet所需weigth及cfg均已经为大家准备好了，tf所需pb及pbtxt也已经为大家准备好了。

MobileNet网络是由google团队在2017年提出的，专注于移动端或者嵌入式设备中的轻量级CNN网络。相比传统卷积神经网络，在准确率小幅降低的前提下大大减少模型参数与运算量。(相比VGG16准确率减少了0.9%，但模型参数只有VGG的1/32) MobileNet v2网络是由google团队在cvpr2018年提出的，相比MobileNet v1网络，准确率更高，模型更小。 MobileNet v3发表于eccv2019年，该v3版本结合了v1的深度可分离卷积、v2的Inverted Residuals和Linear Bottleneck、新添加了SE模块，利用NAS（神经结构搜索）来搜索网络的配置和参数。

SSD-Mobilenet-v2.tar.gz

MobileNetV1 这是训练和测试神经网络的全过程

人工智能-项目实践-图像识别-基于 MobileNetV2 的人脸口罩检测识别 基于 tf.keras 的训练模型 MobileNetV2 搭建一个深度卷积神经网络进行人脸口罩检测识别, 使用 1070Ti 训练 15 个 epoch 准确率达 96%. 环境 Python 3.7 tensorflow 2.2.0 CUDA Version 10.1.243 数据集 数据集全部来自于网络公开数据.