Labeled Fishes in the Wild 为鱼类图像数据集，图像中包含鱼类、无脊椎动物和河床，通过部署在远程操作潜水器上的渔业统计摄像系统拍摄得到的。鱼类位置数据被包括在相应的数据文件中（ dat，vec 和 info），标注了鱼在图像中的位置。
2021-08-12 21:03:07
423.68MB
1
CMU-Oxford Sculpture 是一个3D雕塑图像数据，包括 143000 张雕塑图像，来自 242位 艺术家的 2197个 雕塑作品。每张图像包括12个预定义的属性。
2021-08-12 12:40:18
1.83GB
1
课程演示环境：Windows10;?cuda 10.2; cudnn7.6.5; Python3.7; VisualStudio2019; OpenCV3.4
需要学习ubuntu系统上YOLOv4的同学请前往：《YOLOv4目标检测实战：训练自己的数据集》
课程链接：https://edu.csdn.net/course/detail/28745
YOLOv4来了！速度和精度双提升！
与?YOLOv3?相比，新版本的?AP (精度)和?FPS?（每秒帧率）分别提高了?10%?和?12%。
YOLO系列是基于深度学习的端到端实时目标检测方法。本课程将手把手地教大家使用labelImg标注和使用YOLOv4训练自己的数据集。课程实战分为两个项目：单目标检测（足球目标检测）和多目标检测（足球和梅西同时检测）。
本课程的YOLOv4使用AlexyAB/darknet，在Windows系统上做项目演示。包括：安装软件环境、安装YOLOv4、标注自己的数据集、整理自己的数据集、修改配置文件、训练自己的数据集、测试训练出的网络模型、性能统计(mAP计算)和先验框聚类分析。还将介绍改善YOL
2021-08-10 17:07:26
12.7MB
1
PyTorch 训练代码和 DETR（检测转换器）的预训练模型。 我们用 Transformer 替换了完全复杂的手工对象检测管道，并将 Faster R-CNN 与 ResNet-50 匹配，使用一半的计算能力 (FLOP) 和相同数量的参数在 COCO 上获得 42 个 AP。 50 行 PyTorch 中的推理。 这是什么。 与传统的计算机视觉技术不同，DETR 将目标检测作为直接集预测问题来处理。 它由一个基于集合的全局损失和一个 Transformer 编码器-解码器架构组成，它通过二分匹配强制进行独特的预测。 给定一组固定的学习对象查询集，DETR 会推理对象和全局图像上下文的关系，以直接并行输出最终的预测集。 由于这种并行特性，DETR 非常快速和高效。
2021-08-07 18:09:18
237KB
1
Caltech-256 是一个图像物体识别数据集，包含 30608 张图片，256个物体类别，每类图片最少80张，最多827张。
2021-07-15 12:35:50
1.05GB
1
手把手教物体检测M2Det源码，包含数据和所需的权重文件。手把手教物体检测M2Det源码，包含数据和所需的权重文件。
2021-07-11 16:24:38
226.81MB
1
“ Ramudroid”项目旨在使用计算机视觉和自动机器人来瞄准垃圾和清洁路边，以保持当地清洁。 硬件组件旨在驱动道路/车道/小巷/变窄的道路，并提起小垃圾物，例如塑料杯，包装纸，树叶等。
它具有无线连接。
有一个摄像头可以对环境进行实时图像感测
Ramudroid的硬件
组件清单
处理与微控制器
Raspberry Pi 3B + / 4作为中央处理单元
运行Web服务以接收远程导航命令
为webrtc运行uv4l流服务器
opencv远程对象识别
Arduino Uno作为微控制器
在串行接口上从Rpi接收命令
运动和清洁控制电机
驱动单元
Pi NoIR Camera V2对象和障碍物检测，使用通过MMAL和V4L API访问的Sony IMX219 8百万像素传感器，
电机驱动器L298电机驱动器
电源Lipo电池11.1 V或太阳能电池板连接12 V
清洁单元
有刷马
2021-07-06 13:17:06
17.26MB
1
PASCAL Visual Object Classes Challenge 2012年的图像数据集。PASCAL Visual Object Classes 是一个图像物体识别竞赛，用来从真实世界的图像中识别特定对象物体，共包括 4 大类 20 小类物体的识别。其类别信息如下。 Person: person Animal: bird, cat, cow, dog, horse, sheep Vehicle: aeroplane, bicycle, boat, bus, car, motorbike, train Indoor: bottle, chair, dining table, potted plant, sofa, tv/monitor
2021-07-05 13:05:52
1.8GB
1