11个葡萄品种的叶片数据集，欧塞尔罗伊赤霞珠、品丽珠、赤霞珠、霞多丽、梅洛穆勒、图尔高、黑比诺、雷司令、白苏维浓、西拉、丹帕尼罗，葡萄生长环境实地拍摄，高清图片，每类大约100张叶片图片，共1009张图片 11个葡萄品种的叶片数据集，欧塞尔罗伊赤霞珠、品丽珠、赤霞珠、霞多丽、梅洛穆勒、图尔高、黑比诺、雷司令、白苏维浓、西拉、丹帕尼罗，葡萄生长环境实地拍摄，高清图片，每类大约100张叶片图片，共1009张图片

16个人格分类数据集，它包含了16项人格测试的问题和他们使用的量表的答案，但用数字编码完全同意3部分同意2轻微同意1中立->0稍不同意-1部分不同意-2完全不同意-3 16个人格分类数据集，它包含了16项人格测试的问题和他们使用的量表的答案，但用数字编码完全同意3部分同意2轻微同意1中立->0稍不同意-1部分不同意-2完全不同意-3

25种不同的狗图像数据集（每类200张图片以上），（美国牛头犬，美国比特牛头梗，巴西猎犬，比格犬，拳师犬，吉娃娃犬，英国小猎犬，英国塞特犬，德国短毛犬，大比利牛斯犬，哈瓦那犬，日本短毛犬，基舍德犬，莱昂伯格犬，迷你平舍犬，纽芬兰犬，波美拉尼亚犬，哈巴狗，圣伯纳德犬，萨摩耶犬，苏格兰梗，柴犬，斯塔福德郡牛头梗，维特梗，约克郡梗）

30类乐器-图像分类数据集，4793个训练，150个测试，150个验证图像224 X 224 X3 jpg格式 30类乐器-图像分类数据集，4793个训练，150个测试，150个验证图像224 X 224 X3 jpg格式 30类乐器-图像分类数据集，4793个训练，150个测试，150个验证图像224 X 224 X3 jpg格式

30种鸟类识别分类数据集，每类100张图片左右。 30种鸟类识别分类数据集，每类100张图片左右。 30种鸟类识别分类数据集，每类100张图片左右。

61种不同食物图片分类数据集，该数据集是一组食物的图片和一个CSV文件，将每张图片链接到标注的食物类别。为了简化，每张图片只包含一种食物。这些图片大小不一。总共有61种不同的食物，有超过9300个手工注释的61类图像数据。

70狗品种图像数据集，7946张训练，700张测试，700张验证，图像分辨率：224X224X3 ，jpg格式。 70狗品种图像数据集，7946张训练，700张测试，700张验证，图像分辨率：224X224X3 ，jpg格式。 70狗品种图像数据集，7946张训练，700张测试，700张验证，图像分辨率：224X224X3 ，jpg格式

澳新网 ASGCN -为SPECT小号pecificģ拍摄和ÇonvolutionalÑetwork 论文的代码和预处理数据集，标题为“” ，，和。 更新 ：我介绍了一个新的模型，该模型包含在有向依赖关系树上的双向图卷积网络。 2020年10月5日：由于下载时字向量已损坏（例如，Gloves.840B.300d.txt通常太大），许多人可能会遇到。 因此，我们在rest14数据集中发布了经过的单词嵌入，作为腌制的文件以及供您验证可重复性。 要求 Python 3.6 PyTorch 1.0.0 SpaCy 2.0.18 numpy的1.15.4 用法 使用以下命令安装软件包和语言模型 pip install spacy 和 python -m spacy download en 生成图形数据 python dependency_graph.py 使用此链接下载经过预训练的

毕设项目 基于VGG19网络实现5类水果识别系统源码+数据集+模型+项目操作说明 主要针对正在做毕设的同学和需要项目实战的深度学习cv图像识别模式识别方向学习者。 也可作为课程设计、期末大作业。包含：项目源码、训练好的模型、项目操作说明等，该项目可直接作为毕设使用。 也可以用来学习、参考、借鉴。如果基础不错，在此代码上做修改，训练其他模型。

基于深度学习+Vue+Flask的水果识别分类系统源码+模型+项目操作说明 1、本项目使用迁移学习技术，对在ImageNet数据集上带有预训练权重VGG16、ResNet50、MobileNetV2、DenseNet121模型进行微调，然后将其用在水果数据集上。最终训练后的模型能够准确对输入图片进行分类，并且最高准确率达到93.08%。 2、设计并实现前后端分离系统，前端Vue，后端Flask 后端模型对输入图片识别并返回用户。