times：2020/3/23 操作系统：win10 环境：python 3.6 因为我之前把所有内容写在一篇文章里非常的乱，所以本文主线是训练自己的 yolo.h5 去识别图像中的人，所有小细节的操作，我都在文中添加了链接，新手的话需要注意看一下。 // 有任何的问题都可以直接评论，还有资料的话直接留言邮箱，说明问题// //也可以评论下加下微信询问// 大家一起加油学习yolo，之后我会再出一篇详细介绍yolo代码的文章 如果你是 yolo 小白，或者环境配置等一直报错，请先参阅上一篇博文：keras-yolov3目标检测详解——适合新手 (环境配置、用官方权重识别自己的图片) 本文目的：

openpose官方预训练的caffe模型文件-附件资源

EfficientNet-b0 是一个预训练模型，已经在 ImageNet 数据库的一个子集上进行了训练。 该模型接受了超过一百万张图像的训练，可以将图像分类为1000个对象类别（例如键盘，鼠标，铅笔和许多动物）。 从您的操作系统或 MATLAB 中打开高效netb0.mlpkginstall 文件将启动您拥有的版本的安装过程。 该mlpkginstall文件可用于R2020b及更高版本。 用法示例： % 访问训练好的模型净 = 高效netb0(); % 查看架构细节网络层 % 读取图像进行分类I = imread('peppers.png'); % 调整图片大小sz = net.Layers(1).InputSize I = I(1:sz(1),1:sz(2),1:sz(3)); % 使用 DarkNet-53 对图像进行分类标签 = 分类（净，我） % 显示图像和分类

YOLOv4 CrowdHuman 教程 这是一个演示如何使用和训练YOLOv4人检测器的。 目录 设置 如果您打算在上训练模型，您可以跳过本节并直接跳到上。 否则，要在本地运行训练，您需要有一台具有不错 GPU 的 x86_64 PC。 例如，我主要使用台式 PC 测试此存储库中的代码： NVIDIA GeForce RTX 2080 Ti Ubuntu 18.04.5 LTS (x86_64) CUDA 10.2 cuDNN 8.0.1 此外，您应该在本地 PC 上正确安装 OpenCV（包括 python3“cv2”模块），因为数据准备代码和“darknet”都需要它。 准备训练数据 对于在本地 PC 上的训练，我使用“608x608”yolov4 模型作为示例。 请注意，我在本教程中只使用了 python3（python2 可能不起作用）。 请按照以下步骤准备“ Cr

用CNN识别验证码| python识别验证码| 训练验证码模型

人体姿态检测摔倒检测源码，内含训练好的模型和素材，下载即可运行检测老人行人摔倒，可支持图片检测本地视频检测网络摄像头检测。

voc0712 训练的ssd模型，mAP值为77%，网络结构是作者开源的ssd代码的标准的ssd 300*300的网络

两线元素预测器 作者：tanh仁杰 日期：2018年5月11日 [1]是一种广泛用于跟踪绕地球轨道飞行的物体的数据格式。 在TLE中编码的是6维状态向量， [2]阻力项，平均运动的一阶和二阶导数以及对象的其他杂项。 存在各种已建立的传播模型，例如SGP，SGP4，SDP4，SGP8和SDP8，这些模型用于预测卫星的未来状态向量。 但是，由于TLE固有的不确定性，该错误也会随着时间传播。 例如，从 [3]下载的典型TLE，动量矢量分量Px，Py，Pz平均可以具有+ -10km / h的不确定性。 一天之后，不确定性将为+ -240 km / h，这是不理想的。 通常，由这种传播模型产生的状态向量是不准确的，并且在一天的模拟之后无法使用。 必须通过获取新的TLE来刷新它们。 由于这种不确定性，有很多哭狼案。 Celestrak借助其称为“ （SOCRATES）的平台，免费提供对卫星有效

查看文章 https://blog.csdn.net/wwt72/article/details/106101707，使用该数据集学习华为云ModelArts，文件名称对应文章目录相关名称。 文件内容注：全民AI成长计划课程 - 实验环境准备.pdf 和 foods_recongition_23.tar

使用NVIDIA预训练模型和Transfer Learning Toolkit 3.0与机器人创建基于手势的交互 在这个项目中，我们演示如何训练您自己的手势识别深度学习管道。 我们从预先训练的检测模型开始，使用Transfer Learning Toolkit 3.0将其重新用于手部检测，然后将其与专用手势识别模型一起使用。 经过培训后，我们将在NVIDIA:registered:Jetson:trade_mark:上部署此模型。 可以将这种手势识别应用程序部署在机器人上以理解人类手势并与人类进行交互。 该演示可以作为点播网络研讨会提供： : 第1部分。训练对象检测网络 1.环境设置 先决条件 Ubuntu 18.04 LTS python> = 3.6.9 = 19.03.5 docker-API 1.40 nvidia-container-toolkit> = 1.3.0-1