1、代码包含resnet系列网络源码，如resnet18、resnet34、resnet50、resnet101等。 2、代码中已训练好的模型是基于resnet18，模型是cpu训练 3、使用的深度学习框架为pytorch，建议版本为1.7以上 4、资源附有训练使用的男女人脸图片数据集，已划分为训练集与验证集 5、训练模型较好，精度很高，不仅可以训练，还可以预测，预测结果以弹窗形式展示，演示效果好！ 【备注】该代码模型适合深度学习初学者入门、代码简单易懂，结构清晰，单个py文件调试也方便。有很好的借鉴学习价值！

基于深度学习的学生课堂行为识别评价综合系统全部资料.zip基于深度学习的学生课堂行为识别评价综合系统全部资料.zip基于深度学习的学生课堂行为识别评价综合系统全部资料.zip基于深度学习的学生课堂行为识别评价综合系统全部资料.zip基于深度学习的学生课堂行为识别评价综合系统全部资料.zip基于深度学习的学生课堂行为识别评价综合系统全部资料.zip基于深度学习的学生课堂行为识别评价综合系统全部资料.zip基于深度学习的学生课堂行为识别评价综合系统全部资料.zip基于深度学习的学生课堂行为识别评价综合系统全部资料.zip基于深度学习的学生课堂行为识别评价综合系统全部资料.zip基于深度学习的学生课堂行为识别评价综合系统全部资料.zip基于深度学习的学生课堂行为识别评价综合系统全部资料.zip基于深度学习的学生课堂行为识别评价综合系统全部资料.zip基于深度学习的学生课堂行为识别评价综合系统全部资料.zip基于深度学习的学生课堂行为识别评价综合系统全部资料.zip基于深度学习的学生课堂行为识别评价综合系统全部资料.zip基于深度学习的学生课堂行为识别评价综合系统全部资料.zip基于深度学习的

matlab预测股票价格走势 基于深度学习算法的股票市场价格预测与建模框架 MSE、RMSE、NRMSE和R2值通过在整个测试期间将预测股票收盘价与实际股票收盘价进行比较来确定。然后，我们利用预测数据确定预测日的股价变化范围。这些计算是在MATLAB中进行的，我们使用了MATLAB上的深度学习和金融库。

基于深度学习的驾驶员分心驾驶行为（疲劳+危险行为）预警系统.zip该项目为人物专注性检测，分为两个检测部分，疲劳检测和分心行为检测。 疲劳检测部分，使用Dlib进行人脸关键点检测，然后通过计算眼睛和嘴巴的开合程度来判断是存在否闭眼或者打哈欠，并使用Perclos模型计算疲劳程度。 分心行为检测部分，使用Yolov5，检测是否存在玩手机、抽烟、喝水这三种行为。 使用方法 依赖：YoloV5、Dlib、PySide2 直接运行main.py，即可使用本程序。 基于深度学习的驾驶员分心驾驶行为（疲劳+危险行为）预警系统.zip该项目为人物专注性检测，分为两个检测部分，疲劳检测和分心行为检测。 疲劳检测部分，使用Dlib进行人脸关键点检测，然后通过计算眼睛和嘴巴的开合程度来判断是存在否闭眼或者打哈欠，并使用Perclos模型计算疲劳程度。 分心行为检测部分，使用Yolov5，检测是否存在玩手机、抽烟、喝水这三种行为。 使用方法 依赖：YoloV5、Dlib、PySide2 直接运行main.py，即可使用本程序。

基于深度学习的网课专注度监测预警系统源码+全部数据.zip通过对用户注意力情况监测，对用户注意力情况进行分析。根据注意力分析结果，可以对用户进行语音提示，并且将注意力分析结果通过led屏幕展示给用户。可以根据用户自身使用需求对各功能进行用户个性化设置。主要通过眼部特征、嘴部特征、头部特征三个主要的特征值来进行注意力集中情况分析。当用户眼部特征呈现出眨眼状态，根据视频中每帧图片检测眼睛长/宽的值是否大于阈值，超过一定次数范围则判断用户处于注意力不集中状态；当用户嘴部特征呈现打哈欠状态，根据张口度与张口时间，若超过阈值一定范围和次数则判断用户处于注意力不集中状态；将用户头部转换为3D模型，当用户呈现出瞌睡点头状态，根据各头部关键点位置变化计算其角度变换大小，若超过一定角度范围则判断用户处于注意力不集中状态。

基于深度学习的社交媒体语言关键词生成系统源码（毕业设计）.zip输入处理文本点击生成经过后端处理将传输来的结果（关键词）进行图例化处理，呈现更好的观感：如词云、和柱形图。 提交的文件及用户注册信息都保存在后端数据库中。具体信息如下： 用户表 type：类型，管理员为1，普通用户为0 文件表 file_url:上传的txt文件，保存在media/uploads refile_url:根据关键词txt文件生成的json文件，保存在media/change time:上传时间 user_id:上传的用户id， 安装教程基于深度学习的社交媒体语言关键词生成系统源码（毕业设计）.zip基于深度学习的社交媒体语言关键词生成系统源码（毕业设计）.zip基于深度学习的社交媒体语言关键词生成系统源码（毕业设计）.zip基于深度学习的社交媒体语言关键词生成系统源码（毕业设计）.zip基于深度学习的社交媒体语言关键词生成系统源码（毕业设计）.zip基于深度学习的社交媒体语言关键词生成系统源码（毕业设计）.zip

这是一个 基于深度学习的卷积神经网络的四种动物识别案例分享（含数据集）。数据集含有上千张 四种动物 的图片。欢迎大家下载。

基于深度学习图像超分的环形靶标稳定检测方法.zip一种基于深度学习图像超分技术可以提升环形靶标识别与定位精度的方法，即插即用。 使用说明 下载models里的超分模型 使用下列代码超分靶标用的图像 sr = cv2.dnn_superres.DnnSuperResImpl_create() sr.readModel(keypoints) # 读取模型权重文件的路径 sr.setModel('edsr', 2) # 设定算法和放大比例 当前提供基于edsr的超分模型，提供 ESPCN、FSRCNN、LapSRN 等模型 img_sr = sr.upsample(img) # 放大图像 继续靶标识别程序 基于深度学习图像超分的环形靶标稳定检测方法.zip一种基于深度学习图像超分技术可以提升环形靶标识别与定位精度的方法，即插即用。 使用说明 下载models里的超分模型 使用下列代码超分靶标用的图像 sr = cv2.dnn_superres.DnnSuperResImpl_create() sr.readModel(keypoints) # 读取模型权重文件的路径 sr.setModel

基于深度学习的数据污染检测系统源码+教程（毕业设计）.zip 已获导师指导并通过的高分项目，内附说明书，小白也可操作，也可作为课程设计、期末大作业 包含：项目源码、项目说明等，该项目可以直接作为毕设使用。 项目都经过严格调试，确保可以运行！ 深度学习数据安全问题日益严重，在互联网中传播的数据很容易被污染，看似和正确数据没有什么区别，训练的模型却会受到严重影响，导致训练结果与预期差距巨大。 针对这几个问题，我们基于一个文件只有唯一的MD5码，将其正确的MD5码保存在数据库中保存，使用MD5与数据库结合，确保数据正确的MD5被保存，通过与MD5比对，鉴别数据是否被污染。将结果展示给用户，并且可以通过pdfkit生成pdf报告。 本系统使用pyQt技术构建界面，除了对数据使用前的安全检测，还为用户提供数据管理的能力，通过内置浏览器确保用户下载数据的安全，可以通过日志系统查看各类操作记录，通过设置对软件各功能进行管理。深度学习数据安全问题日益严重，在互联网中传播的数据很容易被污染，看似和正确数据没有什么区别，训练的模型却会受到严重影响，导致训练结果与预期差距巨大。 针对这几个问题，我们基于一个

基于深度学习的樱桃病虫害管理系统源码+教程（毕业设计）.zip已获导师指导并通过的高分项目，内附说明书，小白也可操作，也可作为课程设计、期末大作业 包含：项目源码、项目说明等，该项目可以直接作为毕设使用。 项目都经过严格调试，确保可以运行！ 基于深度学习的樱桃病虫害管理系统源码+教程（毕业设计）.zip已获导师指导并通过的高分项目，内附说明书，小白也可操作，也可作为课程设计、期末大作业 包含：项目源码、项目说明等，该项目可以直接作为毕设使用。 项目都经过严格调试，确保可以运行！ 基于深度学习的樱桃病虫害管理系统源码+教程（毕业设计）.zip已获导师指导并通过的高分项目，内附说明书，小白也可操作，也可作为课程设计、期末大作业 包含：项目源码、项目说明等，该项目可以直接作为毕设使用。 项目都经过严格调试，确保可以运行！ 基于深度学习的樱桃病虫害管理系统源码+教程（毕业设计）.zip已获导师指导并通过的高分项目，内附说明书，小白也可操作，也可作为课程设计、期末大作业 包含：项目源码、项目说明等，该项目可以直接作为毕设使用。 项目都经过严格调试，确保可以运行！