自定义博客皮肤VIP专享

*博客头图：

格式为PNG、JPG，宽度*高度大于1920*100像素，不超过2MB，主视觉建议放在右侧，请参照线上博客头图

请上传大于1920*100像素的图片！

博客底图：

图片格式为PNG、JPG，不超过1MB，可上下左右平铺至整个背景

栏目图：

图片格式为PNG、JPG，图片宽度*高度为300*38像素，不超过0.5MB

主标题颜色：

RGB颜色，例如：#AFAFAF

Hover：

RGB颜色，例如：#AFAFAF

副标题颜色：

RGB颜色，例如：#AFAFAF

预览 取消 提交

自定义博客皮肤

-+
上一步保存

DeepLearning_的博客

专注计算机视觉 深度学习 目标识别检测跟踪研究，毕设指导，实际项目开发

  • 博客(339)
  • 收藏
  • 关注
排序：
按最后发布时间
按访问量
RSS订阅

原创 基于YOLOv8+PyQt5开发的行人过马路危险行为检测告警系统(附数据集和源码下载）

交通安全一直是一个备受关注的重要议题。每年都有大量的交通事故发生，其中很多都与行人在过马路时的危险行为有关。故我开发了一种基于YOLOv8的行人过马路危险行为检测告警系统。它能够快速准确地识别图像或视频中的行人，并判断他们是否存在危险行为。通过结合计算机视觉和深度学习技术，该系统能够实时监测行人在过马路时的行为，并及时发出警报，以提醒行人和驾驶员注意交通安全。提示：以下是本篇文章正文内容在本博客中，我们介绍了基于YOLOv8和PyQt5的行人过马路危险行为检测告警系统。

2023-08-13 10:00:00 2666 6

原创 使用Resnet网络对人脸图像分类识别出男女性别（包含数据集制作+训练+测试）

这两天有点忙，本打算昨天准备写这篇博客内容的，推迟到今天晚上。实际上，上午我已经把模型训练完了，准确率可以达到95%，考虑到用的台式机没有装显卡，所以使用的数据集一共只有340张。分布情况如下。【训练集】女性：150张；男性：150张【验证集】女性：20张；男性：20张数据集预览女性数据男性数据提示：以下是本篇文章正文内容，下面案例可供参考实际上很多可以修改，如loss选择、梯度下降方法、学习率、衰减率等等。

2022-11-19 23:27:31 5871 18

原创 100种目标检测数据集【voc格式yolo格式json格式coco格式】+YOLO系列算法源码及训练好的模型

本文介绍并分享了应用于各行业、各领域非常有用的目标检测数据集（感谢您的关注+三连，数据集持续更新中…），其中绝大部分数据集作者已应用于各种实际落地项目，数据集整体质量好，标注精确，数据的多样性充分，训练模型拟合较好，具有较高的研究和使用价值，各数据集都有下载链接及作者训练好的模型+源码下载链接，同时也有对应的检测效果视频，请放心下载~【实际项目应用】：阳光厨房、明厨亮灶智能监控方案【数据集说明】：老鼠检测数据集已更新到2018张，图片包含有白天和黑夜老鼠出没照片，标签包含voc（xml）和yolo格式

2022-10-12 21:32:27 16659 33

原创 【传统图像处理--学习笔记】不均匀光照下文本图像二值化处理

不均匀光照的文本图像二值化处理

2022-07-13 09:27:02 3720 9

原创 YOLOv6算法新鲜出炉--训练自己数据集过程

YOLOv6算法背景：YOLOv6 是美团视觉智能部研发的一款目标检测框架，致力于工业应用。本框架同时专注于检测的精度和推理效率，在工业界常用的尺寸模型中：YOLOv6-nano 在 COCO 上精度可达 35.0% AP，在 T4 上推理速度可达 1242 FPS；YOLOv6-s 在 COCO 上精度可达 43.1% AP，在 T4 上推理速度可达 520 FPS。评估指标如下;官方公众哈介绍说 YOLOv6算法精度与速度远超 YOLOv5 和 YOLOX 的新框架，是真是假，还待自己跑跑测评一下，

2022-06-28 23:20:03 4794 26

原创 【深度学习笔记】飞桨PP-PicoDet算法训练自己数据（过程超详细）

前言最近在研究目标检测算法–PP-PicoDet算法（百度自研**)，2021年11月份新鲜出炉。官方介绍说，性能优于YOLOV5 、YOLOX等算法，主要是轻量化部署贡献很大，比如在相同的精度下，PP-PicoDet推理速度高出YOLOv5s 44%，可谓NB，所以作者第一步先搭建环境，试跑一下，记录使用PP-PicoDet算法在paddle框架下训练模型的整个过程，供大家参考交流，欢迎提问。PP-PicoDet算法源码：GitHub源码地址一、说明PP-PicoDet算法支持COCO、Pasc

2021-12-09 19:52:39 10197 32

原创 【深度学习笔记】五步教你使用Pytorch搭建神经网络并训练

文章目录前言一、准备数据&加载数据1.准备数据（分类）2.加载数据二、定义损失函数1自定义损失函数或者使用Pytorch中现有的三、定义网络四、定义优化器五、迭代训练总结前言针对刚接触深度学习的小伙伴，肯定很想自己亲手搭建一个网络模型，训练模型。今天作者就五步教大家简单快速搭建一个分类网络，并训练模型，希望对初学者有一定帮助，欢迎大家收藏关注，作者将不断分享更新深度学习中的一些重要知识点。一、准备数据&加载数据1.准备数据（分类）作者是训练分类训练工作服和非工作服，如下图所示.

2021-09-03 10:05:37 7580

原创 Promise的几道基础题

好的，让我们来总结一下.then()和.race()吧，😄的作用是接收一组异步任务，然后并行执行异步任务，并且在所有异步操作执行完后才执行回调。.race()的作用也是接收一组异步任务，然后并行执行异步任务，只保留取第一个执行完成的异步操作的结果，其他的方法仍在执行，不过执行结果会被抛弃。结果中数组的顺序和接收到的数组顺序一致。all和race传入的数组中如果有会抛出异常的异步任务，那么只有最先抛出的错误会被捕获，并且是被then的第二个参数或者后面的catch捕获；

2024-01-19 19:14:37 545 1

原创 JavaScript-ES6

标准委员会最终决定，标准在每年6月正式发布并作为当年的正式版本，接下来的时间里就在此版本的基础上进行改动，直到下一年6月草案就自然变成新一年的版本，这样一来就无需以前的版本号，只要用年份标记即可。：粘连修饰符，确保匹配必须从剩余的第一个位置开始全局匹配(与。定义：对一类具有共同特征的事物的抽象(构造函数语法糖)互不兼容，目前解决方案是将两者分开，采用各自的加载方案。，才用了一年，按照这样的定义下去，那不是很快就。(返回的正则表达式会忽略原正则表达式的修饰符)，所有在类中定义的属性方法都会被实例继承。

2024-01-19 19:13:29 1026

原创 ES6前端学习笔记

标准委员会最终决定，标准在每年6月正式发布并作为当年的正式版本，接下来的时间里就在此版本的基础上进行改动，直到下一年6月草案就自然变成新一年的版本，这样一来就无需以前的版本号，只要用年份标记即可。：粘连修饰符，确保匹配必须从剩余的第一个位置开始全局匹配(与。定义：对一类具有共同特征的事物的抽象(构造函数语法糖)互不兼容，目前解决方案是将两者分开，采用各自的加载方案。，才用了一年，按照这样的定义下去，那不是很快就。(返回的正则表达式会忽略原正则表达式的修饰符)，所有在类中定义的属性方法都会被实例继承。

2024-01-12 16:00:00 961

原创 Promise面试题合集(问题+答案)

好的，让我们来总结一下.then()和.race()吧，😄的作用是接收一组异步任务，然后并行执行异步任务，并且在所有异步操作执行完后才执行回调。.race()的作用也是接收一组异步任务，然后并行执行异步任务，只保留取第一个执行完成的异步操作的结果，其他的方法仍在执行，不过执行结果会被抛弃。结果中数组的顺序和接收到的数组顺序一致。all和race传入的数组中如果有会抛出异常的异步任务，那么只有最先抛出的错误会被捕获，并且是被then的第二个参数或者后面的catch捕获；

2024-01-12 11:34:19 1734

原创 《网络安全面试总结》--大厂面试题目及经验

但是我们有一个场景啊, 你看我们上传简历这里, 有时候会支持上传html的简历, 对吧. 他本身业务就需要用到html, 如果用html实体化转义的话, 他全都会被转义, 那这样的话业务就崩了嘛, 对不对. 那这种情况下我们要怎么样去写一个xss的过滤, 或者是说转义, 去解决这个类似于简历这个场景. 你可以想一想, 写不出来代码也没关系.如输入23，输出[‘ad’,‘ae’,‘af’,‘bd’,‘be’,‘bf’,‘cd’,‘ce’,‘cf’]

2023-12-28 09:38:16 1124

原创 《网络安全面试总结》--windows加固-Linux加固及互联网大厂面试

很奇葩的剧情，一面面试官面完告诉我有base北京base深圳问我是不是想要深圳的，我说是，结果过了一个多星期hr告诉我因为我一面面试官是北京的，然后我选了深圳，所以一面不作数，重新约了一面。问了各种问题，包括项目中如何解决问题，应急响应做过哪些处理，针对大量请求高并发的解决 有很多具体的场景，询问你的思路 聊了国家安全，各种安全视界的思考，见识。

2023-12-28 09:33:55 1302

原创 《网络安全面试总结》--

例如：VPS监听本地端口，已控内网服务器来连接此端口，形成一个隧道。如果内网设备连接外网，就无法回弹只能再想其他办法。(1) 任务管理器netstat -anp寻找异常进程PID看端口信息，然后根据端口信息定位到文件，cd /proc/PID （ls -l查看），禁用可疑的服务项。：已控服务器监听端口，通过这个端口形成一个正向的隧道，由代理机器代替主机去访问内网目标。1.3389关闭状态，2.端口修改，3.防火墙连接，4.处于 内网环境，5.超过了服务器最大连接数，6.管理员设置 权限，指定用户登录。

2023-12-23 11:45:00 1022

原创 《网络安全面试总结》--内网+web 典型漏洞问题

由内网主机主动交出权限到代理机器，然后本地去连接形成反向代理。例如：VPS监听本地端口，已控内网服务器来连接此端口，形成一个隧道。如果内网设备连接外网，就无法回弹只能再想其他办法。：已控服务器监听端口，通过这个端口形成一个正向的隧道，由代理机器代替主机去访问内网目标。但是内网入口一般处于DMZ区域有防火墙拦截，无法直接进入内网环境。1.3389关闭状态，2.端口修改，3.防火墙连接，4.处于 内网环境，5.超过了服务器最大连接数，6.管理员设置 权限，指定用户登录。探测出网协议，如dns，icmp。

2023-12-22 11:30:00 940

原创 《网络安全面试总结》--web白盒漏洞问题

此外，PHP反序列化又可以简单分成两种，一种无类，一种有类，无类利用就略微简单，如果源码会将输入的值进行反序列化，那我们就需要提前将数据序列化后再传入。在请求包里面中发送恶意的json格式payload，漏洞在处理json对象的时候，没有对@type字段进行过滤，从而导致攻击者可以传入恶意的TemplatesImpl类，而这个类有一个字段就是 _bytecodes ，有部分函数会根据这个 _bytecodes 生成java实例，这就达到fastjson通过字段传入一个类，再通过这个类被生成时执行构造函数。

2023-12-21 14:00:37 925

原创 《网络安全面试总结》--Web安全黑盒漏洞原理问题

区别：目录遍历漏洞主要是通过对访问路径的修改来实现非法访问，而功能级别访问控制漏洞则是通过对访问条件的修改来实现非法访问。原理：未授权访问漏洞是指攻击者在无需任何授权或认证的情况下，通过某种手段直接访问到了系统中的敏感信息或操作权限。①输入验证：对于所有从客户端输入的数据，包括URL、表单和HTTP头字段，都要进行验证和过滤，删除不必要的字符和空格，并限制输入长度。未开启认证，导致可以直接连接到数据库，然后在攻击机中生成ssh公钥和私钥，密码设置为空，然后将生成的公钥写入，再利用私钥连接。

2023-12-21 13:58:39 1275 1

原创 leetcode刷题详解十四

重点总结如果递归函数有个参数是i+1的话，则在递归层遍历中，取的值是不包含本身的下一个。比如1 2 3 4，横向层次取1时候下次层递归的时候横向层次取2的时候和47题条件一样，但是本质是属于求组合数的。跟40题很相似，基本一样，但是已经排好序了没有重复，所以不用考虑重复的问题。这道题的思路不要太简单，主要有两个点：一个函数用来判断是否是回文，一个用来分割字符串。涉及到的知识判断是否回文，有字符串，链表的。

2023-11-30 15:30:00 90

原创 leetcode刷题详解十三

思路：以上就是这套题的全部思路，一般这种题第一肯定是先排序再说其他。代码思路很简单，计算能连续的区间有多少个，取差就行注意是移除最小区间数量，也就意味着我们尽可能少的移动区间，所以可以想一下，当你的约小，你能减少的区间就越小，当你的越大，表明你要移除更多的区间才行。代码思路代码思路这个题比之前那个射气球好点在于重叠不用考虑几个区间都重叠部分，只要有重叠就可以合并代码思路这道题之所以困扰我这么久并不是因为状态状态转移方程，这个其实很好理解而是max即返回连续最大和 与 dp之间的关系。

2023-11-30 10:30:00 77

原创 leetcode刷题详解十二

为什么外循环会从len-1开始，对于字符串“cabac来说”，如果s[0]的c=s[4]的c，那么只需要看“aba”即可，如果你的for循环从0开始的换，你都从0过来了还看什么aba，只有从后往前，才能看aba吧。首先要注意,峰值最右边的永远有1个,因此count初值=1,但是这道题为什么卡这么久，因为首先越界不报错，我真是服了，第二就是判定条件，一定要看仔细！这样写是错误的，遇见100这个用例就知道了，进入if的时候i为1，因此要加一个flag标志位，从该标志为往后都设置为9！我写到了代码集合里面。

2023-11-29 14:00:00 77

原创 leetcode刷题详解十一

说句题外话，就是两个字符串或者数字比较的话，大概率不是dp就是双指针，dp的话ij表示s1的前i个和s2的前j个。如下图一，很自然的，当T索引为0时候，对应的第0列就是当前字符在T中出现位置的下标，没有的标-1就行；这个图应该能说明思想，其实就是跳表的思想，只要有-1就不比了，不用完全遍历t，时间换空间的思想。思路：这道题很简单，但是道题给了另一个不简单的方向，即要匹配的字符串就数十亿个，如何考虑？这才是状态转移方程的重点！因为这道题两个连线不想交，你想想，如果不想交，不就是公共子序列，按顺序找吗？

2023-11-29 09:15:00 148

原创 leetcode刷题详解十

注意事项这道题和最多买卖两次是一模一样的思路就是把2换成k了但是还是有几个地方需要注意的注意事项含冷冻期，说明一个事儿：即如果你买了的话，你必须是i-2买的，不能是i-1了！！！注意事项有手续费而已，无非就是卖出的时候减去手续费，简单！

2023-11-28 17:15:00 54

原创 leetcode刷题详解八

整个题目，每个回合数两两抽出来比较，两个数之差将被再一次扔到数组里面，继续上面的过程。每个回合都会丢失掉两个数字，加入一个新的数字，这个数字就是两个数的差。相当于来说，就是少了a和b，但是多了一个a-b，a,b就此消失，但是在下一回合，a-b可能又被抓出去pk，pk后a-b就此再消失了，又产生了新的一个差。那么每一步来说，其实就相当于a,b没有真正意义消失。到了最后一回合，我们可以知道，其实找出两个最接近的数字堆。总： （26+31+21） - （40+33） 这就是找出两个总和接近的两个堆。

2023-11-28 12:45:00 61

原创 leetcode刷题详解七

第95题是给出个数，这道题是求所有的二叉树重要重要重要！！！

2023-11-27 20:00:00 70

原创 leetcode刷题详解六

所有树的题目，都想成一颗只有根、左节点、右节点 的小树。然后一颗颗小树构成整棵大树，所以只需要考虑这颗小树即可。只有 2,3,4 可以向上累加，而1,5,6不可以累加（这个很好想，情况1向上累加的话，必然出现分叉，情况5和6直接就跟上面的树枝断开的，没法累加），所以我们找一个全局变量存储 1,5,6这三种不可累加的最大值， 另一方面咱们用遍历树的方法求2,3,4这三种可以累加的情况。最后把两类情况得到的最大值再取一个最大值即可。思路：本质上还是层序遍历，只不过要循环一下每一层的节点数而已。

2023-11-27 10:15:00 49

原创 leetcode刷题详解九

下面来找一下原因：我们计算每个节点对应的最高金额，因此这里面也可以记忆化搜索，即父亲节点的最大金额其实不用再去重新算了，因为子节点的最大金额可以存起来，要是用的话直接用就好，这样可以节省很多时间。观察这几种情况可以发现为啥用动态规划，比如5=2+2+1，那么组成2有多少种就可以查dp数组了，所以要用动态规划。只能一笔交易和不限制交易次数的情况比较好写，因为状态转移很简单，但是当多次的话，就要用三元组了。这行代码中，因为我们求得是1即买入了，那么上次没买这次买了，这次买了k就要减一。

2023-11-26 17:15:00 60

原创 leetcode刷题详解五

关键点：先递归右子树画一下就知道了，画一个四层的二叉树，然后右子树多画几个节点就知道为啥了将左子树上的东西都放到右子树上去，递归的写，注意，只关注局部即可。上面代码就是本体的答题思路。。

2023-11-26 13:30:00 87

原创 leetcode刷题详解四

！！！！！！递归函数什么时候有返回值什么时候没有返回值，比如有 root->left = invertTree(root->left);这种和return searchBST(root->left,val);这两种代码到底有何区别的？

2023-11-25 17:30:00 66

原创 leetcode刷题详解三

思路：直接加，注意进位条件不要用if，核心代码在于思路：用栈，这样如果两个链表长度不相等的时候不用那么麻烦。难点在于代码的细节控制。思路：这道题就是先求出链表长度，然后分段。主要难点在于断链，vector每一个索引都是一个链表，在锻炼表操作这里我足足困了好长时间其实重点就两句话：dummy = root;（这个代码是设置前置节点的最好办法）因为我们要找到前置节点，其实很简单中dummy就可以变成前置节点了！！！双指针然后拼接。

2023-11-25 08:00:00 207

原创 leetcode刷题详解二

本质上是走过自己的路，再走过对方的路，这是求两个链表相交的方法双指针法情况一：两个链表相交。这个好判断情况二：两个链表不相交。由于两个链表没有公共节点，两个指针也不会同时到达两个链表的尾节点，因此两个指针都会遍历完两个链表，指针pA 移动了m+n 次、指针pB 移动了 n+m 次之后，两个指针会同时变成空值null，此时返回null，满足循环条件。

2023-11-24 17:59:32 462

原创 leetcode刷题详解一

int lower_bound(起始地址，结束地址，要查找的数值) 返回的是数值 第一个等于某元素 的位置。功能：函数lower_bound()在first和last中的前闭后开区间进行二分查找，返回大于或等于target的第一个元素位置。如果所有元素都小于target，则返回last的位置，因为是前闭后开因此这个时候的last会越界，要注意。int upper_bound(起始地址，结束地址，要查找的数值) 返回的是数值 第一个大于某个元素 的位置。

2023-11-24 17:58:05 74

原创 汇编语言学习笔记

这种中断信息来自CPU外部，相关芯片向CPU发出相应的中断信息，CPU执行完当前的指令后，可以检测到发送过来的中断信息，引发中断过程进而处理外设输入。任何一个通用的CPU都具备一种能力，可以在执行完当前正在执行的指令后，检测到从CPU外部发送过来的或内部产生的一种特殊信息，并且可以立即对所接收到的信息进行处理。这种特殊的信息，称为：中断信息。比如mov ax, [bx + 200]指的是将一个内存单元的内容送入ax，这个内存单元长2字节，存放1个字，偏移地址为bx中的数值加上200，段地址在ds中。

2023-11-22 18:45:00 93

原创 操作系统基础知识

有了进程，还需要多线程的理由：在一个应用程序中同时发生着多种活动（可以想象一下word应用，打字、显示、磁盘备份等工作。当磁盘备份的时候按理来说鼠标键盘不能用，因为CPU不在这些控制上。）其中某些活动会随着时间的推移被阻塞，如果我们将这些应用分解成可以准并行运行的多个顺序线程，设计模型会比较简单。如果不这样设计，你得考虑单线程下的两种情况吧。第一种是顺序进行，但是阻塞，就得等阻塞的应用得到相应的输出你才能继续进行下面的活动，在阻塞的时候CPU是没有被利用的。第二种就是有限状态机，回调函数这种的。

2023-11-22 11:45:00 280

原创 linux高性能服务器

TCPIP协议在最开始是没有客户端和服务端的概念的，但是现实中我们的很多应用都需要服务器提供服务然后客户端去访问这些服务，数据资源被提供者所垄断。C/S模型服务器启动之后，首先创建一个或者多个监听socket，然后调用bind函数将其绑定到服务器的相关端口上，然后调用listen函数等待客户端的连接。服务器运行稳定之后，客户端就调用connect函数向服务器发起连接请求。由于客户请求的到达是随机的异步事件，因此服务器要用某种IO模型来监听这一事件。

2023-11-21 14:38:57 300

原创 c++语言核心及进阶

默认构造函数默认构造函数要么没有参数，要么所有参数都有默认值才行。如果类为定义任何构造函数，编译器将自动定义一个默认构造函数用来创建对象。如果派生类构造函数的成员初始化列表没有显式的调用基类构造函数，则编译器将使用基类的默认构造函数来构造派生类对象的基类部分。拷贝构造函数将新对象初始化为一个已存在的对象按值将对象作为参数传递给函数函数按值类型返回对象编译器临城临时对象编译器会默认提供拷贝构造函数，但不提供具体定义。当类中有动态内存分配的情况时需要自定义拷贝构造函数赋值运算符。

2023-11-21 14:36:37 306

原创 面试资料快速复习 Git常用命令(简单实用)

Git常用命令、面试复习、简单实用命令​。

2023-11-17 16:55:19 811

原创 前端学习笔记--TypeScript

可以指定参数的类型和返回值的类型启用类属性初始化的严格检查name!:string/*** 当我们写一个类的时候,会得到2个类型* 1. 构造函数类型的函数类型* 2. 类的实例类型*/static myName: string = '静态名称属性';myName: string = '实例名称属性';//Component类名本身表示的是实例的类型//ts 一个类型 一个叫值//冒号后面的是类型//放在=后面的是值。

2023-11-17 12:45:00 255

原创 前端学习笔记--模拟call和apply以及沙盒模型

nullundefinedthiswindowStringNumberBooleancontextSymbolcontext注：ES2020新特性,Null判断符??call注：代码实现存在缺陷，当第二个参数为类数组时，未作判断。

2023-11-16 17:30:00 56

原创 前端学习笔记--React

React 是一个用于构建用户界面的JavaScript库核心专注于视图,目的实现组件化开发我们可以很直观的将一个复杂的页面分割成若干个独立组件,每个组件包含自己的逻辑和样式 再将这些独立组件组合完成一个复杂的页面。这样既减少了逻辑复杂度，又实现了代码的重用可组合：一个组件可以和其他的组件一起使用或者可以直接嵌套在另一个组件内部可重用：每个组件都是具有独立功能的，它可以被使用在多个场景中可维护：每个小的组件仅仅包含自身的逻辑，更容易被理解和维护。

2023-11-16 16:00:00 212

原创 前端学习笔记--node.js

​ 服务端全局变量原则是global， 但是node在执行的时候为了实现模块化，会在执行代码时，外部包装一个函数，这个函数在执行的时候会改变this指向。Node 可以理解成 ECMAScript + 内置的模块组成的，引用第三方模块， npm系统 node package manager。node中主线程还是单线程的 （文件读写，内部还是基于多线程的）， 非阻塞 异步I/O.基于事件驱动。node是基于js的，前端来写服务端通过node是最方便的，node的性能问题 内部采用的多线程。

2023-11-15 17:30:00 78

汽车DMS新项目-基于YOLOv8算法实现危险驾驶行为识别检测语音提醒系统(含GUI界面+模型+部署运行说明+评估曲线).zip
汽车dms新项目-基于YOLOv8算法实现危险驾驶行为识别检测语音提醒系统(含GUI界面+模型+部署运行说明+评估曲线).zip 【项目说明】 【环境配置】 1、下载安装anaconda、pycharm 2、打开anaconda，在anaconda promt终端，新建一个python3.9的虚拟环境 3、激活该虚拟空间，然后pip install -r requirements.txt，安装里面的软件包 4、识别检测人脸、睁眼、闭眼、张嘴(打哈欠)、闭嘴、抽烟、打电话、喝水，并进行告警； 5、该项目可以用于疲劳驾驶检测。 【运行操作】 以上环境配置成功后，运行main.py，打开界面，自动加载模型，开始测试即可 可以检测本地图片、视频、网络摄像头实时画面 【备注】 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！有问题请及时沟通交流。 2、适用人群：计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。 3、用途：项目具有较高的学习借鉴价值，不仅适用于小白学习入门进阶。也可作为毕设项目、课程设计、大作业、初期项目立项演示等。 4、如果基础还行，或热爱钻研，亦可在此项目代码基础上进行修改添加，实现其他不同功能。 欢迎下载！欢迎交流！鼓励大家进行二次开发改进！

2024-04-22

基于深度学习Resnet卷积神经网络实现煤矸石识别分类系统python源码带GUI界面(含数据集+模型+操作教程).zip
【训练过程】 1、先删除datasets文件夹中train.txt和val.txt里的内容。 2、修改Build_all_classes_path_to_txt.py文件中folder_path和txtfile_path的路径，照葫芦画瓢。改成自己的文件路径，需要执行两次，分别生成train.txt和val.txt(也就是数据集图片的路径及标签) 3、如果是训练其他数据，那就需要修改config.py中的配置内容了，如果不需要训练其他数据集，则不需修改。 4、运行train.py开始训练 【预测】 直接运行predict_gui.py打开GUI界面即可，可以任意操作。 也可以运行predict.py，不要GUI。 【备注】 以上运行之前，确保安装了pytorch、numpy、seaborn、opencv 运行过程，如果缺少什么包就安装什么包即可。 【备注】 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！有问题请及时沟通交流。 2、适用人群：计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。 3、用途：项目具有较高的学习借鉴价值，不仅适用于小白学习入门进阶。也可作为毕设项目、课程设计、大作业、初期项目立项演示等。 4、如果基础还行，或热爱钻研，亦可在此项目代码基础上进行修改添加，实现其他不同功能。 欢迎下载

2024-04-19

新项目基于CNN网络实现的人脸检测识别系统python源码(含模型+GUI界面+运行操作说明，可二次开发，准确率98%).zip
毕业设计--深度学习新项目基于CNN网络实现的人脸检测识别系统python源码(含模型+GUI界面+运行操作说明，可二次开发，准确率98%).zip 【使用说明】 1、建议pycharm中打开运行项目，安装anaconda，在anaconda中配置python环境，python版本不建议太高，3.8或者3.7就行，免得不兼容，pycharm导入anaconda中的python解释器，anaconda中安装必要的软件包。 2、安装requirements.txt中的安装包，高版本也行，如果运行缺少啥pip install 安装什么 【运行必看】 1、需要录入的人脸图片，人脸图像放入face_dataset文件夹，命名格式如文件夹中的示例 2、运行python encoding.py ，生成录入人脸特征数据库文件 生成人脸数据库文件后，再操作第3步 3、运行python predict_gui.py 打开系统界面，然后进行操作即可 【备注】 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！有问题请及时沟通交流。 2、适用人群：计算机相关专业(如计科、信息

2024-04-18

新项目基于机器学习的中文文本情感分析系统python源码(积极和消极)+详细使用说明+数据集+模型(保运行).zip
新项目基于机器学习的中文文本情感分析系统python源码(积极和消极)+详细使用说明+数据集+模型(保运行).zip 【项目说明】 1、数据集已经制作好，可自行训练，样本含积极评价和负面评价。 2、项目含有项目使用说明，照着操作即可，若遇到问题可私信交流，帮助解决，如果自己实在搞不定，也可以ff远程部署指导。 3、项目中已经含有训练好的模型，可直接使用。 4、识别分类文本，可自定义，运行后，给出识别结果是积极情绪还是消极情绪。 5、此项目不限于中文文本情感分类识别，还可以用于评价系统正面和负面情绪识别等 【备注】 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！有问题请及时沟通交流。 2、适用人群：计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。 3、用途：项目具有较高的学习借鉴价值，不仅适用于小白学习入门进阶。也可作为毕设项目、课程设计、大作业、初期项目立项演示等。 4、如果基础还行，或热爱钻研，亦可在此项目代码基础上进行修改添加，实现其他不同功能。 欢迎下载

2024-04-17

适用于YOLO系列算法-苹果香蕉橙子水果目标检测识别数据集800多张(含yolo格式和voc格式标签，下载直接使用).zip
适用于YOLO系列算法-苹果香蕉橙子水果目标检测识别数据集800多张(含yolo格式和voc格式标签，下载直接使用).zip 【数据集介绍】 该数据集为个人毕设自制数据，自己拍摄标注，三类水果。 苹果、橙子、香蕉；标注精准无误，背景丰富，目标大小分布均匀，yolov5、v7算法已训练，拟合很好，准确率达到97% 数据集可以做数据增强，如需数据增强脚本程序，请私信与我，可以做对比实验。 【备注】 一手高质量数据集，拒绝垃圾数据，欢迎下载使用。适用于毕设、课设、作业、实训实验、比赛等。放心下载！ 适用于YOLO系列算法-苹果香蕉橙子水果目标检测识别数据集800多张(含yolo格式和voc格式标签，下载直接使用).zip 适用于YOLO系列算法-苹果香蕉橙子水果目标检测识别数据集800多张(含yolo格式和voc格式标签，下载直接使用).zip 适用于YOLO系列算法-苹果香蕉橙子水果目标检测识别数据集800多张(含yolo格式和voc格式标签，下载直接使用).zip 适用于YOLO系列算法-苹果香蕉橙子水果目标检测识别数据集800多张(含yolo格式和voc格式标签，下载直接使用)

2024-04-07

适用于图像分类识别-医学OCT视网膜疾病识别分类数据集(一万多张，已划分训练、验证、测试数据).zip
【数据集说明】 适用于图像分类识别-医学OCT视网膜疾病识别分类数据集(一万多张，已划分训练、验证、测试数据).zip 适用于图像分类识别-医学OCT视网膜疾病识别分类数据集(一万多张，已划分训练、验证、测试数据).zip 适用于图像分类识别-医学OCT视网膜疾病识别分类数据集(一万多张，已划分训练、验证、测试数据).zip 适用于图像分类识别-医学OCT视网膜疾病识别分类数据集(一万多张，已划分训练、验证、测试数据).zip 适用于图像分类识别-医学OCT视网膜疾病识别分类数据集(一万多张，已划分训练、验证、测试数据).zip 类别包含4类，分别是：CNV、DME、DRUSEN、NORMAL 4种类别情况。最左侧为脉络膜新生血管(CNV)，具有新生血管膜(白色箭头)和相关的视网膜下液(箭头)；左中为糖尿病性黄斑水肿(DME)与视网膜增厚相关的视网膜内液(箭头)；中右为早期AMD，存在多个玻璃疣(箭头)；最右侧具有保留的中心凹轮廓且没有任何视网膜液及水肿的正常视网膜(NORMAL)。

2024-04-07

flavia植物叶片分类数据集完整版(已做好32类划分，可直接训练).zip
flavia植物叶片分类数据集完整版(已做好32类划分，可直接训练).zip 类别：32类 毛竹 七叶树 安徽小檗 紫荆 木蓝 鸡爪槭 滇南 刺楸 天竺桂 栾 大果冬青 海桐 腊梅 香樟木 日本珊瑚树 桂花 雪松 银杏 紫薇 夹竹桃 罗汉松 日本晚樱 女贞 香椿 桃 木莲 三角槭 阔叶十大功劳 荷花木兰 沙兰杨 鹅掌楸 柑橘 flavia植物叶片分类数据集完整版(已做好32类划分，可直接训练).zip flavia植物叶片分类数据集完整版(已做好32类划分，可直接训练).zip flavia植物叶片分类数据集完整版(已做好32类划分，可直接训练).zip flavia植物叶片分类数据集完整版(已做好32类划分，可直接训练).zip flavia植物叶片分类数据集完整版(已做好32类划分，可直接训练).zipflavia植物叶片分类数据集完整版(已做好32类划分，可直接训

2024-04-01

基于深度学习(6种算法)和传统机器学习分别实现Flavia叶片数据集识别分类python源码(含详细使用说明+注释).zip
基于深度学习(6种算法)和传统机器学习分别实现Flavia叶片数据集识别分类python源码(含详细使用说明+注释) 【项目介绍】 深度学习算法包含6种：分别是Alexnet、GoogLeNet、HRnet、Resnet18、Selfnet、VGG11，可对比 1. Leaf_data_acquisition.py ## 1.1 介绍说明 提取叶片特征，并保存为csv文件，为后续使用机器学习算法进行分类做准备。 ## 1.2 图像预处理 1. histogram(image)函数的作用是获取输入图片R、G、B三通道的像素值分布情况。 2. binarization(imgray)函数的作用是分别使用2x2、3x3、5x5的卷积核对输入的灰度图进行平均滤波和二值化处理。 3. margin_detection(imgbi)函数的作用是使用拉普拉斯算子提取图像边缘特征。 ## 1.3 特征提取 1. feature5_extraction(imgray, thresh_5x5, thresh_3x3, thresh_2x2)函数的作用是提取5种几何特征，即最小外接圆直径、最小外接矩形的宽度和高度、不同卷积核平均滤波后的叶片面积（2x2、3x3、5x5）、3x3卷积核平均滤波后的叶片周长。 2. feature12_extraction(thresh, feature)函数的作用是根据上面提取到的5种几何特征，获取12种数字形态特征，即平滑因子、纵横比、形状因子、矩形程度、狭窄因子、直径周长比、周长与长宽比、5种静脉特征。 ## 1.4 数据降维 data_PCA(img_data)函数的作用是将12种数字形态特征降维到5维。 【备注】 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！有问题请及时沟通交流。 2、适用人群：计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。 3、用途：项目具有较高的学习借鉴价值，不仅适用于小白学习入门进阶。也可作为毕设项目、课程设计、大作业、初期项目立项演示等。 4、如果基础还行，或热爱钻研，亦可在此项目代码基础上进行修改添加，实现其他不同功能。 欢迎下载，沟通交流，互相学习，共同进步！ # 2. Leaf_classification_ML.py ## 2.1 介绍说明 根据叶片特征，使用不同的机器学习算法对叶片进行分类。 ## 2.2 数据预处理 1. encode(train, test)函数的作用是对训练集和测试集中的数据进行编码，以及其他预处理操作。 2. deta_acquisition()函数的作用是对训练集按4：1的比例划分为训练集和测试集（验证集）。 ## 2.3 叶片分类 ML_classifier(X_train, X_test, y_train, y_test)函数的作用是使用不同的机器学习算法对叶片进行分类，并显示分类准确率和损失函数，其中列表**classifiers**中包含了所使用的机器学习算法。 ## 2.4 实验结果

2024-04-01

目标检测算法-非洲野生动物(水牛、大象、犀牛、斑马)识别检测数据集1504张(含yolo格式标签、已划分训练验证测试集).zip
目标检测算法-非洲野生动物(水牛、大象、犀牛、斑马)识别检测数据集1504张(含yolo格式标签、已划分训练验证测试集).zip 【数据集介绍】 数据集分为三个子集： 训练集：包含 1052 幅图像 验证集：包括 225 幅图像 测试集：由 227 幅图像 【应用】 该数据集可用于各种计算机视觉任务，如物体检测、物体跟踪和研究。具体来说，它可用于训练和评估识别图像中非洲野生动物对象的模型，这可应用于野生动物保护、生态研究以及自然保护区和保护区的监测工作。此外，它还可以作为宝贵的教育资源，使学生和研究人员能够研究和了解不同动物物种的特征和行为。 数据标注精准，背景丰富，目标有大有小，分布均匀，算法拟合较好，该数据集标签包含yolo（txt）格式。如需voc或者json格式标签，请私信！ 野生动物类别：斑马、大象、水牛、犀牛 YOLO系列算法及其他多种目标检测算法可直接使用！！！ YOLO系列算法及其他多种目标检测算法可直接使用！！！ YOLO系列算法及其他多种目标检测算法可直接使用！！！ YOLO系列算法及其他多种目标检测算法可直接使用！！！

2024-03-29

基于YOLOv8实现的汽车部件实例分割检测系统python源码(含数据集+训练好的模型+GUI界面+使用说明).zip
基于YOLOv8实现的汽车部件实例分割检测系统python源码(含数据集+训练好的模型+GUI界面+使用说明).zip 【使用说明】 1、python版本必须为3.9(建议再anaconda中安装选择python)，项目使用pycharm打开运行； 2、按照项目使用说明一步步安装操作即可； 3、环境配置万，直接运行main.py打开GUI界面。 如果使用过程遇到任何问题请私信与我沟通，我将帮助解决你的问题。项目带有模型、数据，可自定义训练识别分割其他目标。 【备注】 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！有问题请及时沟通交流。 2、适用人群：计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。 3、用途：项目具有较高的学习借鉴价值，不仅适用于小白学习入门进阶。也可作为毕设项目、课程设计、大作业、初期项目立项演示等。 4、如果基础还行，或热爱钻研，亦可在此项目代码基础上进行修改添加，实现其他不同功能。 欢迎下载，沟通交流，互相学习，共同进步！

2024-03-29

适用于YOLOv5YOLOv8实例分割的流水线包裹分割检测数据集2000多张及对应的标签文件(已划分，直接使用).zip
适用于YOLOv5YOLOv8实例分割的流水线包裹分割检测数据集2000多张及对应的标签文件(已划分，直接使用).zip 【数据集介绍】 该数据集包含一组多样化的图像，展示了不同背景和环境下的各种包装，是训练和评估分割模型的宝贵资源。无论您是从事物流、仓库自动化还是任何需要对包装进行精确分析的应用，包装分割数据集都能为您提供一套有针对性的综合图像，以提高计算机视觉算法的性能。 训练集：包含 1920 幅图像及标签 测试集：由 89 幅图像及标签 验证集：由 188 幅图像及标签 样本数据和注释 包裹分割数据集包括从多个角度拍摄的各种图像和视频。以下是数据集中的数据实例，并附有各自的注释 这幅图像显示了图像对象检测的一个实例，其特点是注释了边界框，并用掩码勾勒出识别出的对象。该数据集包含在不同地点、环境和密度下拍摄的各种图像。该数据集是开发该任务专用模型的综合资源。 【备注】 数据集标注精准无误，包含一类，可用于目标分割检测项目，欢迎下载使用，有问题可以私信交流学习！

2024-03-29

适用于YOLOv5-YOLOv8汽车零部件(23种类别)检测分割数据集3000多张(带标注好的yolo格式标签已划分好).zip
适用于YOLOv5-YOLOv8汽车零部件(23种类别)检测分割数据集3000多张(带标注好的yolo格式标签已划分好).zip 专为计算机视觉应用而设计的图像和视频集合，尤其侧重于与汽车零件相关的分割任务。该数据集提供了一组从多个角度捕捉的多样化视觉图像，为训练和测试分割模型提供了宝贵的注释示例。 训练集：包括 3156 幅图像 测试集：由 276 幅图像组成 验证集：由 401 幅图像组成 【应用】 汽车零部件分类可应用于汽车质量控制、汽车维修、电子商务编目、交通监控、自动驾驶汽车、保险处理、回收利用和智能城市计划。它通过准确识别和分类不同的汽车零部件来简化流程，从而提高各行业的效率和自动化程度 23种汽车零配件类别，在资源中已有注释每个类别得名称！ 欢迎下载使用，交流，有任何使用问题，请及时私信与我！！！

2024-03-29

基于深度学习的乡村道路路灯实例分割系统python源码+数据集+训练好的模型+评估指标曲线(带GUI界面).zip
毕设新项目基于深度学习的乡村道路路灯实例分割系统python源码+数据集+训练好的模型+评估指标曲线(带GUI界面).zip 【使用说明】 1、python版本必须为3.9(建议再anaconda中安装选择python)，项目使用pycharm打开运行； 2、按照项目说明一步步安装操作即可； 3、环境配置万，直接运行main.py打开GUI界面。 如果使用过程遇到任何问题请私信与我沟通，我将帮助解决你的问题。项目带有模型、数据、评估曲线，可自定义训练识别分割其他目标。 【备注】 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！有问题请及时沟通交流。 2、适用人群：计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。 3、用途：项目具有较高的学习借鉴价值，不仅适用于小白学习入门进阶。也可作为毕设项目、课程设计、大作业、初期项目立项演示等。 4、如果基础还行，或热爱钻研，亦可在此项目代码基础上进行修改添加，实现其他不同功能。 欢迎下载，沟通交流，互相学习，共同进步！

2024-03-29

基于Python编程实现的11种小游戏源码+项目说明(可学习借鉴).zip
基于Python编程实现的11种小游戏源码+项目说明(可学习借鉴).zip 【备注】 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！有问题请及时沟通交流。 2、适用人群：计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。 3、用途：项目具有较高的学习借鉴价值，不仅适用于小白学习入门进阶。也可作为毕设项目、课程设计、大作业、初期项目立项演示等。 4、如果基础还行，或热爱钻研，亦可在此项目代码基础上进行修改添加，实现其他不同功能。 欢迎下载，沟通交流，互相学习，共同进步！ 基于Python编程实现的11种小游戏源码+项目说明(可学习借鉴).zip基于Python编程实现的11种小游戏源码+项目说明(可学习借鉴).zip基于Python编程实现的11种小游戏源码+项目说明(可学习借鉴).zip 基于Python编程实现的11种小游戏源码+项目说明(可学习借鉴).zip基于Python编程实现的11种小游戏源码+项目说明(可学习借鉴).zip基于Python编程实现的

2024-03-28

毕设新项目基于Python的网络数据加密与隐私保护算法研究与实现完整源码+sql数据库+部署说明+运行视频.zip
毕设新项目基于Python的网络数据加密与隐私保护算法研究与实现完整源码+sql数据库+部署说明+运行视频.zip 【运行步骤】 需要先安装Python的相关依赖：django==3.2.8,pymysql,pillow使用pip install 安装 第一步：创建数据库，数据库名：data_encryption 第二步：执行SQL语句，打开data_encryption.sql文件，运行该文件中的SQL语句 第三步：修改源代码中的settings.py文件，改成自己的mysql数据库用户名和密码 第四步：运行命令：python manage.py runserver 8000 第五步：打开浏览器查看https://127.0.0.1:8000 测试账户 账户1： 用户名：admin 密码：123 【备注】 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！有问题请及时沟通交流。 2、适用人群：计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。

2024-03-25

深度学习工业缺陷检测-19种缺陷检测数据集(含voc格式和yolo格式标签，YOLO系列算法直接使用).zip
深度学习工业缺陷检测-19种缺陷检测数据集(含voc格式和yolo格式标签，YOLO系列算法直接使用).zip 【数据集介绍】 1、数据集使用labelimg工具标注，标注精确无误，yolov5训练检测准确率达到98% 2、数据集缺陷划分的种类为 ['carpet_color', 'carpet_cut', 'carpet_hole', 'carpet_metal_contamination', 'carpet_thread', 'grid_bent', 'grid_broken', 'grid_glue', 'grid_metal_contamination', 'grid_thread', 'hazelnut_crack', 'hazelnut_cut', 'hazelnut_hole', 'hazelnut_print', 'leather_color', 'leather_cut', 'leather_fold', 'leather_glue', 'leather_poke'] 3、涵盖了地毯、皮革、电缆、铁丝网对应的各种缺陷数据。 【备注】 欢迎下载使用，适合毕设、课设、比赛

2024-03-21

工业缺陷检测项目数据-晶体管缺陷检测数据集.zip
工业缺陷检测项目数据-晶体管缺陷检测数据集.zip 工业缺陷检测项目数据-晶体管缺陷检测数据集.zip 工业缺陷检测项目数据-晶体管缺陷检测数据集.zip 【数据集介绍】 1、工业检测为重点的异常检测方法基准数据集 2、高分辨率图像，每个类别包括一组无缺陷的训练图像和具有各种缺陷的图像的测试集以及没有缺陷的图像。 3、适用于用于无监督异常检测、图像分类识别算法(resnet、vgg、Googlenet、mobilenet等等) 数据集已做好划分：分别包含[bent_lead、cut_lead、damaged_case、good、misplaced]，共5类 【备注】 欢迎下载使用，有问题请留言私信！

2024-03-21

制造工业缺陷数据-地毯缺陷检测数据集.zip
制造工业缺陷数据-地毯缺陷检测数据集.zip制造工业缺陷数据-地毯缺陷检测数据集.zip 制造工业缺陷数据-地毯缺陷检测数据集.zip制造工业缺陷数据-地毯缺陷检测数据集.zip 【数据集介绍】 1、工业检测为重点的异常检测方法基准数据集 2、高分辨率图像，每个类别包括一组无缺陷的训练图像和具有各种缺陷的图像的测试集以及没有缺陷的图像。 3、适用于用于无监督异常检测、图像分类识别算法(resnet、vgg、Googlenet、mobilenet等等) 数据集已做好划分：分别包含[color、cut、metal_contamination、thread、hole、good]，共6类 【备注】 欢迎下载使用，有问题请留言私信！

2024-03-21

无监督学习数据工业缺陷检测-牙刷缺陷检测数据集.zip
无监督学习数据工业缺陷检测-牙刷缺陷检测数据集.zip 无监督学习数据工业缺陷检测-牙刷缺陷检测数据集.zip 无监督学习数据工业缺陷检测-牙刷缺陷检测数据集.zip 【数据集介绍】 1、工业检测为重点的异常检测方法基准数据集 2、高分辨率图像，每个类别包括一组无缺陷的训练图像和具有各种缺陷的图像的测试集以及没有缺陷的图像。 3、适用于用于无监督异常检测、图像分类识别算法(resnet、vgg、Googlenet、mobilenet等等) 数据集已做好划分：分别包含[defective、good]，共2类 【备注】 欢迎下载使用，有问题请留言私信！

2024-03-21

工业缺陷检测-榛子缺陷检测数据集.zip
工业缺陷检测-榛子缺陷检测数据集.zip工业缺陷检测-榛子缺陷检测数据集.zip工业缺陷检测-榛子缺陷检测数据集.zip工业缺陷检测-榛子缺陷检测数据集.zip工业缺陷检测-榛子缺陷检测数据集.zip工业缺陷检测-榛子缺陷检测数据集.zip 【数据集介绍】 1、工业检测为重点的异常检测方法基准数据集 2、高分辨率图像，每个类别包括一组无缺陷的训练图像和具有各种缺陷的图像的测试集以及没有缺陷的图像。 3、适用于用于无监督异常检测、图像分类识别算法(resnet、vgg、Googlenet、mobilenet等等) 数据集已做好划分：分别包含[crack、cut、hole、print、good]，共5类 【备注】 欢迎下载使用，有问题请留言私信！

2024-03-21

工业缺陷检测数据集-电缆缺陷检测数据集.zip
工业缺陷检测数据集-电缆缺陷检测数据集.zip工业缺陷检测数据集-电缆缺陷检测数据集.zip工业缺陷检测数据集-电缆缺陷检测数据集.zip工业缺陷检测数据集-电缆缺陷检测数据集.zip 【数据集介绍】 1、工业检测为重点的异常检测方法基准数据集 2、高分辨率图像，每个类别包括一组无缺陷的训练图像和具有各种缺陷的图像的测试集以及没有缺陷的图像。 3、适用于用于无监督异常检测、图像分类识别算法(resnet、vgg、Googlenet、mobilenet等等) 数据集已做好划分：分别包含[bent_wire、cable_swap、combined、cut_inner_insulation、cut_outer_insulation、good、missing_cable、missing_wire、poke_insulation]，共9类 【备注】 欢迎下载使用，有问题请留言私信！

2024-03-21

无监督异常检测工业缺陷数据集-皮革缺陷检测数据集.zip
无监督异常检测工业缺陷数据集-皮革缺陷检测数据集.zip 无监督异常检测工业缺陷数据集-皮革缺陷检测数据集.zip 无监督异常检测工业缺陷数据集-皮革缺陷检测数据集.zip 【数据集介绍】 1、工业检测为重点的异常检测方法基准数据集 2、高分辨率图像，每个类别包括一组无缺陷的训练图像和具有各种缺陷的图像的测试集以及没有缺陷的图像。 3、适用于用于无监督异常检测、图像分类识别算法(resnet、vgg、Googlenet、mobilenet等等) 数据集已做好划分：分别包含[color、cut、poke、fold、glue、good]，共6类 【备注】 欢迎下载使用，有问题请留言私信！

2024-03-21

MVTec AD工业缺陷数据集-铁丝网格缺陷检测数据集.zip
MVTec AD工业缺陷数据集-铁丝网格缺陷检测数据集.zipMVTec AD工业缺陷数据集-铁丝网格缺陷检测数据集.zipMVTec AD工业缺陷数据集-铁丝网格缺陷检测数据集.zipMVTec AD工业缺陷数据集-铁丝网格缺陷检测数据集.zipMVTec AD工业缺陷数据集-铁丝网格缺陷检测数据集.zipMVTec AD工业缺陷数据集-铁丝网格缺陷检测数据集.zipMVTec AD工业缺陷数据集-铁丝网格缺陷检测数据集.zipMVTec AD工业缺陷数据集-铁丝网格缺陷检测数据集 【数据集介绍】 1、工业检测为重点的异常检测方法基准数据集 2、高分辨率图像，每个类别包括一组无缺陷的训练图像和具有各种缺陷的图像的测试集以及没有缺陷的图像。 3、适用于用于无监督异常检测、图像分类识别算法(resnet、vgg、Googlenet、mobilenet等等) 数据集已做好划分：分别包含[bent、broken、glue、good、metal_contamination、thread]，共6类 【备注】 欢迎下载使用，有问题请留言私信！

2024-03-21

毕设新项目-基于深度学习的香蕉新鲜度等级识别分类系统python源码+数据集+项目使用说明.zip
毕设新项目-基于深度学习的香蕉新鲜度等级识别分类系统python源码+数据集+项目使用说明.zip 【资源介绍】 1、香蕉新鲜度分为5个等级：分别为：轻微发黑、未成熟、新鲜、严重发黑、中度发黑 2、方法使用的是深度学习resnet18网络实现，带训练好的模型文件，另含resnet34、resnet50、resnet101、resnet152实现，可自定义选择不同层复杂度的网络训练。 3、项目带有详细项目使用说明，包含如何配环境、训练、如何预测等，有不清楚的欢迎私信沟通。 【备注】 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！有问题请及时沟通交流。 2、适用人群：计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。 3、用途：项目具有较高的学习借鉴价值，不仅适用于小白学习入门进阶。也可作为毕设项目、课程设计、大作业、初期项目立项演示等。 4、如果基础还行，或热爱钻研，亦可在此项目代码基础上进行修改添加，实现其他不同功能。 欢迎下载，沟通交流，互相学习，共同进步！

2024-03-20

tt100k道路交通标识完整数据集(含voc和yolo格式标签，适用于各种目标检测算法直接使用).zip
tt100k道路交通标识完整数据集(含voc和yolo格式标签，适用于各种目标检测算法直接使用).zip 【数据集说明】 1、数据集大小接近10GB，图像包含了184种交通标志，数据包含图片以及voc格式(xml)、yolo格式(txt)标签文件，可转换称json格式，如需要请私信我。 2、数据集标注精准、背景丰富、场景多样、实况拍摄，目标有大有小，分布均匀，已使用yolov5训练，且移植到安卓手机，效果很好，移植好的APP+源码下载链接为：https://download.csdn.net/download/DeepLearning_/88994929 3、数据集都已经处理划分好，请放心下载使用，由于图片数据太大，故资源种含有全部标签文件+全部图片下载链接。 【备注】 请放心下载使用，内含全部图片+voc+yolo格式标签，有任何使用问题请私信或者留言，我会帮助解疑答惑！ 请放心下载使用，内含全部图片+voc+yolo格式标签，有任何使用问题请私信或者留言，我会帮助解疑答惑！ 请放心下载使用，内含全部图片+voc+yolo格式标签，有任何使用问题请私信或者留言，我会帮助解疑答惑！

2024-03-20

基于深度学习YOLOv5和Android Studio开发的tt100k交通标志识别检测项目源码(含模型文件+APK).zip
基于深度学习YOLOv5和Android Studio开发的tt100k交通标志识别检测项目源码(含模型文件+生成好的APK，直接安装使用).zip 【项目说明】 1、此项目是基于tt100k交通标志数据集训练、YOLOv5算法，可识别检测标志种类为184种(tt100k)，识别检测效果非常好。使用tt100k 17G数据训练。 2、项目含有转换好的 yolov5s.param和yolov5s.bin模型文件，另外还含有生成好的APK文件，安卓手机可直接安装使用(太老旧手机不行)。 3、项目源码，可以用Android Studio(4-2-2版本)直接打开build apk，代码都修改后无误。 4、tt100k数据集下载链接：https://download.csdn.net/download/DeepLearning_/88997869 5、APP可以打开前置和后置摄像头实时识别检测，另外可选择CPU和GPU两种推理 【备注】 1、该资源内项目代码都经过测试运行成功！！！ 演示视频：https://live.csdn.net/v/372267

2024-03-19

三千多张4种水果(苹果香蕉梨子葡萄)新鲜度等级识别分类数据集(已做好划分，直接使用).zip
三千多张4种水果(苹果香蕉梨子葡萄)新鲜度等级识别分类数据集(已做好划分，直接使用).zip 【数据集说明】 1、该数据集已做好训练集和验证机及类别划分，适用于各种分类识别算法，如Vgg、Googlenet、mobilenetv2、mobilenetv3、resnet系列算法、AlexNet、DenseNet、Inception-ResNet、Xception等等。 2、数据集为个人毕设所用，数据质量很好，均匀分布，resnet34对水果新鲜度等级识别分类准确率达到98.5%，请放心使用，欢迎交流学习。 3、每种水果新鲜度等级划分为3个等级或者更多(比如香蕉)。 【备注】 1、只上传高质量有用数据，不要与垃圾数据做对比，欢迎下载使用。如果有任何使用问题，欢迎留言或者私信。 2、如果需要水果等级(水果新鲜度)识别分类python源码及模型的，请私信，目前还未公开！ 3、该数据集适用于：毕业设计、课程设计、作业、实训、比赛、科研实验等。放心下载使用！

2024-03-19

Roboflow裂缝分割数据集4029张+标签文件(适用于YOLOv8等语义分割算法).zip
Roboflow裂缝分割数据集4029张+标签文件(适用于YOLOv8等语义分割算法).zip 【数据集说明】 该数据集共包含 4029 幅从不同道路和墙壁场景中捕获的静态图像，是裂缝分割相关任务的宝贵财富。无论您是在深入研究错综复杂的交通问题，还是在寻求提高自动驾驶汽车模型的准确性，该数据集都能为您提供丰富多样的图像支持。 数据集结构 裂缝分割数据集的数据划分概述如下： 训练集：由 3717 幅图像和相应的注释组成。 测试集：由 112 幅图像及其注释组成。 验证集：包括 200 幅图像及其相应的注释。 应用 裂缝分割技术可实际应用于基础设施维护，帮助识别和评估结构性损坏。它还能使自动系统检测和处理路面裂缝，以便及时维修，从而在提高道路安全方面发挥至关重要的作用。 使用方法 要在裂缝分割数据集上对Ultralytics YOLOv8n 模型进行 100 次历时训练（图像大小为 640），可以使用以下代码片段。 样本数据和注释 裂缝分割数据集包含从多个角度拍摄的各种图像和视频。

2024-03-18

gradle-6.7.1-bin.zip
gradle-6.7.1-bin.zip gradle-6.7.1-bin.zip gradle-6.7.1-bin.zipgradle-6.7.1-bin.zip gradle-6.7.1-bin.zip gradle-6.7.1-bin.zip gradle-6.7.1-bin.zipgradle-6.7.1-bin.zipgradle-6.7.1-bin.zip gradle-6.7.1-bin.zipgradle-6.7.1-bin.zipgradle-6.7.1-bin.zipgradle-6.7.1-bin.zipgradle-6.7.1-bin.zipgradle-6.7.1-bin.zipgradle-6.7.1-bin.zipgradle-6.7.1-bin.zipgradle-6.7.1-bin.zipgradle-6.7.1-bin.zipgradle-6.7.1-bin.zipgradle-6.7.1-bin.zipgradle-6.7.1-bin.zipgradle-6.7.1-bin.zipgradle-6.7.1-bin.zipgradle-6.7.1-b

2024-03-18

毕设新项目-基于机器学习的商品评论爬取情感分析系统python源码+开发文档+数据库sql.zip
毕设新项目-基于机器学习的商品评论爬取情感分析系统python源码+开发文档+数据库sql.zip [项目说明] 开发语言：Python 框架：django Python版本：python3.7.7 数据库：mysql 5.7（一定要5.7版本） 数据库工具：Navicat11 开发软件：PyCharm 浏览器：谷歌浏览器 配置环境安装包： Python链接：https://cloud.189.cn/t/BBFRFzeUzQbm （访问码：6mwg） 后台路径地址：localhost:8080/项目名称/admin/dist/index.html 前台路径地址：localhost:8080/项目名称/front/dist/index.html （无前台不需要输入） 管理员账号：admin 管理员密码：admin 【备注】 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！有问题请及时沟通交流。 2、适用人群：计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用

2024-03-17

毕设-基于深度学习的工地危险区域人员入侵检测预警系统python源码(含GUI)+部署说明+模型+评估指标曲线.zip
1、先安装anaconda和pycharm 路径最好别搞中文 2、在anaconda中新建虚拟空间，创建python==3.8 3、在python==3.8的空间进行安装必要的安装包(见requirements.txt) 4、完成3步后，在pycharm中打开项目，并导入anaconda中的python环境(python3.8的) 5、运行main.py即可打开系统界面，开始操作； 特别强调： 实时检测固定视角本地视频、或者网络视频流时。 以本地视频为例，绘制危险区 【备注】 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！有问题请及时沟通交流。 2、适用人群：计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。 3、用途：项目具有较高的学习借鉴价值，不仅适用于小白学习入门进阶。也可作为毕设项目、课程设计、大作业、初期项目立项演示等。 4、如果基础还行，或热爱钻研，亦可在此项目代码基础上进行修改添加，实现其他不同功能。 欢迎下载，沟通交流，互相学习，共同进步！

2024-03-11

水果新鲜成熟度识别数据集-香蕉成熟新鲜等级识别分类数据集(5个等级).zip
【资源说明】 毕设水果成熟度识别数据集-香蕉成熟等级识别分类数据集(5个等级).zip 1、数据集适合各种分类识别算法所用，比如resnet、vgg、mobilenet、googlenet等等 2、如果需要用于yolo等目标检测算法，需要用labelimg工具打一下标签 3、数据集为香蕉成熟度识别分类数据集、一共分为五个等级，分别是：轻微发黑、未成熟、新鲜、严重发黑、中度发黑。 4、数据集已划分好，可直接使用，欢迎下载，使用问题请私信沟通。 更多数据集请看我100种数据集博客 【备注】 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！有问题请沟通交流。 2、适用人群：计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。 3、用途：项目具有较高的学习借鉴价值，不仅适用于小白学习入门进阶。也可作为毕设项目、课程设计、大作业、初期项目立项演示等。 4、如果基础还行，或热爱钻研，亦可在此项目代码基础上进行修改添加，实现其他不同功能。 欢迎下载，沟通交流，互相学习，共同进步！

2024-03-05

Python+Pyqt5基于深度学习实现的车标识别检测系统毕设源码(含数据集+模型+评估指标曲线包运行)
Python+Pyqt5基于深度学习实现的车标识别检测系统毕设源码(含数据集+模型+评估指标曲线包运行) 1、推荐下载anaconda和pycharm打开工程，在anaconda中新建python3.9环境 2、csdn下载资源解压重命名后，cd到项目文件夹，执行命名pip install -r requirements.txt 3、安装好第2步中的软件包后，pycharm中运行visual_interface.py即可打开界面，然后惊醒操作即可，部署方便，操作简单，包运行，有问题可以私信沟通。 4、可自行训练其他模型，及对程序进行其他功能设计。 【备注】 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！有问题请沟通交流。 2、适用人群：计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。 3、用途：项目具有较高的学习借鉴价值，不仅适用于小白学习入门进阶。也可作为毕设项目、课程设计、大作业、初期项目立项演示等。 4、如果基础还行，或热爱钻研，亦可在此项目代码基础上进

2024-02-29

毕设新项目-基于深度学习的车辆违停识别检测告警系统python源码(含模型+GUI界面+评估指标曲线(包运行).zip
【资源说明】 1、推荐下载anaconda和pycharm打开工程，在anaconda中新建python3.8环境 2、csdn下载资源解压重命名后，cd到项目文件夹，执行命名pip install -r requirements.txt 3、安装好第2步中的软件包后，如果要检测本地视频，需要先运行提取背景.py提取视频背景图片，根据背景图片大小，修改main.py第161行坐标(有注释)，自定义违停区域。然后pycharm中运行main.py即可打开界面，选取视频进行违停车辆检测，同理检测网络摄像头实时画面、rtsp视频流，都可以自定义违停区域。 4、模型精度很高，上万张数据训练，检测car、bus、truck三种车型违停，当然你也可以自己数据集训练，检测更多车辆违停行为。 备注】 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！有问题请沟通交流。 2、适用人群：计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能等)在校学生、专业老师或者企业员工下载使用。 3、用途：项目具有较高的学习借鉴价值不仅适用于小白学习入门进阶。也可作为毕设项目

2024-02-29

毕设新项目基于YOLOv7的疲劳驾驶检测语音提醒系统(带GUI界面)+模型文件+评估指标曲线.zip
【资源说明】 1、推荐下载anaconda和pycharm打开工程，在anaconda中新建python3.9环境 2、csdn下载资源解压重命名后，cd到项目文件夹，执行命名pip install -r requirements.txt 3、安装好第2步中的软件包后，pycharm中运行main.py即可打开界面 4、界面可调节各种参数、如IOU、置信度阈值、选择模型等、可以识别本地图片、视频、网络摄像头实时画面、rtsp视频流。 5、可发出语音提醒，并在画面中显示提醒文字 6、疲劳检测算法设计有创新，可自行学习代码，可私信沟通！！！ 【备注】 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！有问题请沟通交流。 2、适用人群：计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信等)在校学生、专业老师或者企业员工下载使用。 3、用途：项目具有较高的学习借鉴价值，不仅适用于小白学习入门进阶。也可作为毕设项目、课程设计、大作业、初期项目立项演示等。 4、如果基础还行，亦可在此项目代码基础上进行修改添加，实现其他不同功能。

2024-02-28

毕设基于深度学习Unet的皮肤癌分割项目使用的数据集.zip
毕设基于深度学习Unet的皮肤癌分割项目使用的数据集.zip 毕设基于深度学习Unet的皮肤癌分割项目使用的数据集.zip 毕设基于深度学习Unet的皮肤癌分割项目使用的数据集.zip 【资源说明】 该资源为数据集，非项目源码，如需项目源码，请私信。 数据集适合各种图像分割算法模型直接使用，数据集为皮肤癌分割数据集 欢迎下载使用！ 【资源说明】 该资源为数据集，非项目源码，如需项目源码，请私信。 数据集适合各种图像分割算法模型直接使用，数据集为皮肤癌分割数据集 欢迎下载使用！ 【资源说明】 该资源为数据集，非项目源码，如需项目源码，请私信。 数据集适合各种图像分割算法模型直接使用，数据集为皮肤癌分割数据集 欢迎下载使用！ 【资源说明】 该资源为数据集，非项目源码，如需项目源码，请私信。 数据集适合各种图像分割算法模型直接使用，数据集为皮肤癌分割数据集 欢迎下载使用！ 【资源说明】 该资源为数据集，非项目源码，如需项目源码，请私信。 数据集适合各种图像分割算法模型直接使用，数据集为皮肤癌分割数据集 欢迎下载使用！ 可另外使用labelimg标注成目标检测数据集，或者作为分类数据集

2024-02-26

毕设新项目基于flask框架及协同滤波算法的电影推荐系统python源码+数据集+运行说明(部署简单，包运行).zip
【资源说明】 基于python和flask开发的，部署简单，直接运行，项目带爬取的电影数据集，根据协同滤波算法实现电影推荐系统。请放心下载使用，有问题随时私信沟通，包运行，帮助解决问题。python3.8 1、anaconda下 ``` pip install -r requirements.txt ``` 2、 运行本地服务器输入： ``` python flask_app.py ``` 3.网页输入http://127.0.0.1:5000 进入后按照提示操作即可！！！ 【备注】 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！有问题请沟通交流。 2、适用人群：计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。 3、用途：项目具有较高的学习借鉴价值，不仅适用于小白学习入门进阶。也可作为毕设项目、课程设计、大作业、初期项目立项演示等。 4、如果基础还行，或热爱钻研，亦可在此项目代码基础上进行修改添加，实现其他不同功能。 欢迎下载，沟通交流，互相学习，共同进步！

2024-02-26

基于深度学习的中文语音识别系统python源码+模型+使用说明(毕设项目，包运行).zip
【资源说明】 #### python==3.7 PyAudio-0.2.11-cp37-cp37m-win_amd64.whl直接pip安装 手机录音mp3格式音频转 程序可识别的wav格式音频 要求采样率必须设置为16000Hz 免费在线转换网址如下： https://convertio.co/zh/mp3-wav/ 转换好的wav音频，自己先播放下看声音是否与原始MP3格式音频一致，一致的话才可用于识别，若变声则转换有问题，查看下采样率是否为16000 1、csdn下载源码到本地解压重命名为英文名字(切记不要中文路径) 2、pip install -r requirements.txt 3、PyAudio-0.2.11-cp37-cp37m-win_amd64.whl直接pip安装、python要求3.7 4、按照项目使用说明操作，步骤简单，有问题可私信于我，我来教你运行，包运行！ 包运行！包运行！包运行！ 5、项目已经放置多个测试wav音频，识别的可以 6、当识别出语音后，会自动播放识别到的文字 【备注】 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！有问题请及时沟通交流。 2、适用人群：计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。 3、用途：项目具有较高的学习借鉴价值，不仅适用于小白学习入门进阶。也可作为毕设项目、课程设计、大作业、初期项目立项演示等。 4、如果基础还行，或热爱钻研，亦可在此项目代码基础上进行修改添加，实现其他不同功能。 欢迎下载，沟通交流，互相学习，共同进步！

2024-02-20

基于Pytorch实现DeepLabV3和UNet语义分割算法python源码+项目说明+超详细注释.zip
【资源说明】 目前实现DeepLabV3+、UNet 目录结构 |--backbones 存放主干网络ResNet、AlignedXception等 |--datasets 存放数据集、观察数据工具等 |--data_list 存放数据集的csv文件 |--models 存放语义分割网络 DeepLabV3+（Xception|ResNet101）、UNet（ResNet）、FCN8s等 |--res 存放资源 权重文件、图像、日志等 |--utils 存放工具 |--augment数据增强 |--lossfn损失函数 |--tools日志、计时、评价标准metrics等工具 |--test.py 用来测试 |--train.py 用来训练 权重文件+测试文件 训练了DeepLabV3+（Xception）和FCN8s。 权重文件，以及以DeepLabV3+（Xception）的测试输出图片见项目说明 【备注】 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！

2024-01-19

基于Pytorch框架及多种深度学习算法实现车道线检测python源码+数据集+超详细注释.zip
基于Pytorch框架及多种深度学习算法实现车道线检测python源码+数据集+超详细注释.zip 【资源说明】 基于Pytorch框架及多种深度学习算法实现车道线检测python源码+数据集+超详细注释.zip 基于Pytorch框架及多种深度学习算法实现车道线检测python源码+数据集+超详细注释.zip 基于Pytorch框架及多种深度学习算法实现车道线检测python源码+数据集+超详细注释.zip 【备注】 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！有问题请及时沟通交流。 2、适用人群：计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。 3、用途：项目具有较高的学习借鉴价值，不仅适用于小白学习入门进阶。也可作为毕设项目、课程设计、大作业、初期项目立项演示等。 4、如果基础还行，或热爱钻研，亦可在此项目代码基础上进行修改添加，实现其他不同功能。 欢迎下载，沟通交流，互相学习，共同进步！

2024-01-19

EVB板是什么？怎么理解？我看开发文档中有提到

2023-05-26

来一个平面抓取检测python+pybullet仿真平台机械臂控制实现？

2022-12-09

有没有清楚ABB机械臂的，ABB IRB 2400-16-URDF文件(2400-16-URDF)这个文件是在simulink里面运行仿真吗？

2022-12-09

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章？
取消 删除