CUHK Occlusion Dataset数据集,用于行人检测，做好了yolo格式数据集的训练和划分，同时上传了yolo和voc两个格式的标签集。
包括：1.VOC格式（.xml文件）的数据集
2.yolo格式（.txt文件）的数据集
3.划分好的yolo格式的训练集和数据集
文件结构：
images——train(训练集的jpg图片)
——val(测试集的jpg图片)
labels——train(训练集的标签)
——val(测试集的标签)
VOC2007——JPEGImages（数据集原本的1063张jpg图片）
——Annotations（数据集中图片对应的.xml标签文件——VOC格式）
——YOLOLabels（数据集中图片对应的.txt标签文件——yolo格式）
2021-12-22 10:11:59
315.63MB
1
svd算法matlab代码简单的SVD
MATLAB程序
使用测试和训练集的用于手写数字距离的简单SVD算法
如何运行：
下载培训和测试集，然后下载MATLAB文件。
在MATLAB中运行文件（确保训练集和测试集与程序文件位于同一目录中）。
该代码注释了每个步骤，以引导用户逐步了解可进行更改的部分，以获取不同数字的结果（默认数字为9）。
在上完应用计算科学课程后，我对SVD的兴趣达到顶峰之后，这是我所做的一个基本项目。
请尽情享受，并让我知道我可以改进该程序的任何方式。
2021-12-13 09:42:54
2.17MB
1
PyTorch提供了ImageFolder的类来加载文件结构如下的图片数据集：
root/dog/xxx.png
root/dog/xxy.png
root/dog/xxz.png
root/cat/123.png
root/cat/nsdf3.png
root/cat/asd932_.png
使用这个类的问题在于无法将训练集（training dataset）和验证集（validation dataset）分开。我写了两个类来完成这个工作。
import os
import torch
from torch.utils.data import Dataset, DataLoader
f
2021-12-04 16:57:14
32KB
1
Mnist-时尚-赋值-PIAIC
Fashion-MNIST是Zalando文章图片的数据集-包含60,000个示例的训练集和10,000个示例的测试集。每个示例都是一个28x28灰度图像，与来自10个类别的标签相关联。 Zalando打算将Fashion-MNIST用作直接替代MNIST原始数据集的基准机器学习算法。它具有相同的图像大小以及训练和测试分割的结构。原始MNIST数据集包含许多手写数字。 AI / ML /数据科学社区的成员喜欢此数据集，并将其用作验证其算法的基准。实际上，MNIST通常是研究人员尝试的第一个数据集。他们说：“如果它在MNIST上不起作用，那么它将根本不起作用”。 “好吧，如果它确实可以在MNIST上运行，那么在其他系统上仍然可能会失败。” Zalando试图替换原始的MNIST数据集内容每个图像的高度为28像素，宽度为28像素，总计784像素。每个像素都
2021-12-01 10:55:22
2KB
1
Synthetic_Chinese_String_Dataset 中文识别数据集 的label 和ctpn的训练集 1 for https://gitee.com/chenyang918/Lets_OCR
2021-11-29 14:22:47
569.76MB
1