资源包含102种花卉的分类图片数据集,共8189张图片,可用于深度学习模型的训练。
2024-03-09 12:26:48 329.24MB 数据集 深度学习
1
工程矩阵论张明淳第二版课后习题答案,看的非常清楚,适用于东南大学等学校
2024-03-08 16:20:53 108.25MB 工程矩阵理论
1
1、YOLO红外车辆行人检测数据集,真实场景的高质量图片数据,数据场景丰富。使用lableimg标注软件标注,标注框质量高,含voc(xml)、coco(json)和yolo(txt)三种格式标签,分别存放在不同文件夹下,可以直接用于YOLO系列的目标检测。 2、附赠YOLO环境搭建、训练案例教程和数据集划分脚本,可以根据需求自行划分训练集、验证集、测试集。 3、数据集详情展示和更多数据集下载:https://blog.csdn.net/m0_64879847/article/details/132301975
2024-03-07 15:03:15 117.41MB 数据集 课程资源
标点版未黑底白圆,有五个大圆的标定板 三频四相进行解相位 opencv3.4.11
2024-03-04 10:06:00 3.55MB
1
一张精美的PowerPoint甘特图模板下载,关键词:甘特图幻灯片模板下载,PPT图表素材下载,.PPTX格式;
2024-03-03 18:09:55 330KB PPT图表-表格
1
我们在一般张量模型中研究不变算子。 我们表明表示理论提供了一个有效的框架,可以对(规范)对称Gd = U(N1)⊗⋯⊗U(Nd)的张量模型中的不变量进行计数和分类。 作为我们先前工作的延续和完成,我们提出了两种自然的不变式计数方法,一种用于任意Gd,另一种对大型Gd有效。 我们基于计数构造不变算符的基础,并计算其元素的相关因子。 与Gd的有限秩相关的基础对角化了自由理论的两点函数。 它类似于矩阵模型中使用的受限Schur基。 我们显示出,当我们将多矩阵模型中的Littlewood-Richardson数与普通张量模型中的Kronecker系数交换时,构造几乎相同。 我们从表示理论的角度深入探讨矩阵模型与张量模型之间的并行性,并评论一些想法以供将来研究。
2024-03-02 08:48:09 1021KB Open Access
1
张正友相机标定---棋盘格图像下载 10 张 张正友相机标定---棋盘格图像下载 10 张 张正友相机标定---棋盘格图像下载 10 张 张正友相机标定---棋盘格图像下载 10 张 张正友相机标定---棋盘格图像下载 10 张 张正友相机标定---棋盘格图像下载 10 张 张正友相机标定---棋盘格图像下载 10 张 张正友相机标定---棋盘格图像下载 10 张 张正友相机标定---棋盘格图像下载 10 张 张正友相机标定---棋盘格图像下载 10 张 张正友相机标定---棋盘格图像下载 10 张 张正友相机标定---棋盘格图像下载 10 张 张正友相机标定---棋盘格图像下载 10 张 张正友相机标定---棋盘格图像下载 10 张 张正友相机标定---棋盘格图像下载 10 张 张正友相机标定---棋盘格图像下载 10 张 张正友相机标定---棋盘格图像下载 10 张 张正友相机标定---棋盘格图像下载 10 张张正友相机标定---棋盘格图像下载 10 张 张正友相机标定---棋盘格图像下载 10 张 张正友相机标定---棋盘格图像下载 10 张 张正友相机标定---棋盘格图像下载
2024-03-02 01:18:56 1.87MB 张正友相机标定
1
垃圾检测数据集,2000张,共5类
2024-02-21 05:41:52 41.93MB 数据集
1
数据集格式:Pascal VOC格式(不包含分割路径的txt文件和yolo格式的txt文件,仅仅包含jpg图片和对应的xml) 图片数量(jpg文件个数):4330 标注数量(xml文件个数):4330 标注类别数:1 标注类别名称:["fishing"] 每个类别标注的框数: fishing count = 4644 使用标注工具:labelImg 标注规则:对类别进行画矩形框 重要说明:检测岸边钓鱼人员的数据集,当有人拿个鱼竿或者明显在钓鱼则会被标注 特别声明:本数据集不对训练的模型或者权重文件精度作任何保证,数据集只提供准确且合理标注
2024-02-18 15:30:46 981.46MB 数据集
猫狗数据集是一个包含猫和狗图像的数据集,通常用于机器学习和计算机视觉领域的图像分类任务。这个数据集有以下用途: 图像分类算法训练: 猫狗数据集可用于训练图像分类模型,让计算机学会识别图像中的猫和狗。这种训练有助于开发出能够自动识别图像内容的算法。 深度学习模型验证: 对于新的深度学习模型或算法,猫狗数据集可以作为验证数据集。研究人员和工程师可以用它来测试他们的模型在分类猫和狗方面的准确性和鲁棒性。 模型性能评估: 该数据集也可以用于评估不同模型或算法在图像分类任务上的性能。比较不同模型的表现可以帮助确定哪种方法更有效。 教学和研究用途: 猫狗数据集也常被用于教学或研究目的。它是一个简单但广泛使用的数据集,可用于展示图像分类概念和实践。 总的来说,猫狗数据集在计算机视觉和机器学习领域是一个常用的基准数据集,可以帮助开发和测试图像分类算法、模型和技术。
2024-02-01 13:46:15 544.23MB 数据集
1