绘画教程，基础的课程，可以让你从无到有的学习

红绿灯检测数据集，该数据集基于CCF BDCI，用于红绿灯检测，该数据集包含2600个人工标记的红绿灯类别和颜色标签。红绿灯类别包括9类 红绿灯检测数据集，该数据集基于CCF BDCI，用于红绿灯检测，该数据集包含2600个人工标记的红绿灯类别和颜色标签。红绿灯类别包括9类

一、前言 此示例演示如何创建和训练一个简单的卷积神经网络，以使用深度学习对 SAR 目标进行分类。 深度学习是一种强大的技术，可用于训练健壮的分类器。它已经在从图像分析到自然语言处理的不同领域显示出其有效性。这些发展对SAR数据分析和SAR技术具有巨大的潜力，正在慢慢实现。SAR相关算法的一项主要任务一直是目标检测和分类，称为自动目标识别（ATR）。在这里，我们使用一个简单的卷积神经网络来使用深度学习工具箱对SAR目标进行训练和分类。 深度学习工具箱提供了一个框架，用于设计和实现具有算法、预训练模型和应用程序的深度神经网络。 此示例演示如何： • 下载数据集。 • 加载和分析图像数据。 • 数据的拆分和扩充。 • 定义网络体系结构。 • 训练网络。 • 预测新数据的标签并计算分类精度。 为了说明此工作流程，我们将使用空军研究实验室发布的移动和静止目标获取和识别 （MSTAR） 混合目标数据集 [1]。我们的目标是开发一个模型，根据SAR图像对地面目标进行分类。 二、下载数据集 此示例使用的 MSTAR 目标数据集包含来自 8688 个地面车辆的 7 个 SAR 图像和一个校准目标。

关于生成对抗GAN的干货都在这里了。

IC设计基础，简明全面的微电子类设计开发教程，

利用Pytorch，opencv进行人脸口罩佩戴检测，并且在视频流中显示出来。 里面包含代码文件(.py)，数据集文件和训练好的模型文件。如果感觉检测效果不是很好，可以自己重新训练。

使用方法：运行main.py文件即可，或者命令行输入"python main.py"。

在项目实践学习中记录的点滴笔记，整理成章，希望能给大家提供工作与学习思路。 往期文章 1、无线通信项目开发 – NB-IOT、LoRa、433、GPRS、2.4G、PKE近场通信，基础理论与开发点滴总结 2、蓝牙无线技术(BLE)与开发点滴总结 3、Zigbee无线技术与开发点滴总结 4、WIFI无线技术与开发点滴总结 文章目录一、无线通信开发绪论二、NB-IOT理论基础与开发三、LoRa理论基础与开发四、433技术理论基础与开发五、GPRS通信理论与开发六、2.4G技术理论基础与开发七、PKE无线通信(近场通信)与开发 一、无线通信开发绪论 1、所有的无线通讯：都是有线转无线的形式

1.深度学习实现中草药(中药材)识别《Pytorch实现中药材(中草药)分类识别(含训练代码和数据集)》 https://blog.csdn.net/guyuealian/article/details/129880963 2.中草药(中药材)图片数据集(Chinese-Medicine-163)： https://blog.csdn.net/guyuealian/article/details/129883396

考虑到现实环境中的人脸图片在角度、光线、分辨率上的复杂程度，对Inception-ResNet-V1网络结构进行了改进，同时完成了数据集制作、超参数调节等相关工作，并在家庭服务机器人平台上进行了实验研究。实验结果表明，改进的网络结构在LFW测试集上准确率达到99.22%，高于原始网络结构的99.05%；在亚洲人脸数据集上准确率达到99.20%，高于原始网络结构的97.10%；在自建非匹配人脸数据集上误识别率为3.43%，低于原始网络结构的12.28%。可以看出，与原始网络结构相比，改进网络结构提升了人脸识别的准确率且降低了误识别率。