OASBUD数据只提供了一个.mat文件,想要使用这个数据集,需要将原始数据读取为图像,这里是数据读取的代码示例
2024-04-18 16:24:40 629B 数据集
1
yolo格式的二维码数据集,可用于训练商用级的二维码检测模型,搭配训练教程: https://blog.csdn.net/liuhao3285/article/details/120589835?spm=1001.2014.3001.5502。0积分下载地址:https://mbd.pub/o/CoderInCV/work
2024-04-18 15:05:10 175.9MB 数据集
1
基于YOLOV5的交通标志识别检测系统源码+数据集+训练好的模型.zip 该项目是个人大作业项目源码,评审分达到98分,都经过严格调试,确保可以运行!放心下载使用。 基于YOLOV5的交通标志识别检测系统源码+数据集+训练好的模型.zip 该项目是个人大作业项目源码,评审分达到98分,都经过严格调试,确保可以运行!放心下载使用。基于YOLOV5的交通标志识别检测系统源码+数据集+训练好的模型.zip 该项目是个人大作业项目源码,评审分达到98分,都经过严格调试,确保可以运行!放心下载使用。基于YOLOV5的交通标志识别检测系统源码+数据集+训练好的模型.zip 该项目是个人大作业项目源码,评审分达到98分,都经过严格调试,确保可以运行!放心下载使用。基于YOLOV5的交通标志识别检测系统源码+数据集+训练好的模型.zip 该项目是个人大作业项目源码,评审分达到98分,都经过严格调试,确保可以运行!放心下载使用。基于YOLOV5的交通标志识别检测系统源码+数据集+训练好的模型.zip 该项目是个人大作业项目源码,评审分达到98分,都经过严格调试,确保可以运行!放心下载使用。
2024-04-18 11:35:06 423.32MB 交通标志检测 期末大作业
kriging模型,python编写,带数据集
2024-04-17 18:38:23 4KB python 数据集
1
一、实验目的 1、复习主成分分析的原理和算法 2、使用sklearn库函数实现对鸢尾花数据集的主成分分析,观察主成分分析的作用 3、(选做)解读基于主成分分析和支持向量机的人脸识别程序 二、实验步骤 1、导入鸢尾花数据集,查看数据分布情况: 选取三个特征查看数据分布情况 选取两个特征查看数据分布情况 2、使用主成分分析函数对鸢尾花数据集降维 3、对降维后的数据集和原始数据集分别进行线性判别分析,比较分析的准确率 4、(选做)使用数值计算方法实现步骤2,深入了解主成分分析的实现过程 三、实验结果与讨论 1、简单清楚的叙述主成分分析的过程 2、绘制人脸识别程序的流程框图
2024-04-17 17:37:14 1.45MB python 数据集 主成分分析 人脸识别
1
基于Orange Telecom历史数据开发的客户流失预测模型的数据集和要求
2024-04-17 14:30:13 221KB 数据集
1
黄瓜病害图像数据集,高清的黄瓜病害,文件大小为537兆。Cucumber Disease Recognition Dataset
2024-04-17 09:33:05 537.62MB 数据集 植物病害
1
这个数据集是顾客对各个商家餐饮服务的评价由标签和评价两个数据项组成。 label=1(正向评价) label=0(负向评价) 用jieba(自然语言处理)库对用户评价进行分类,对商家的餐饮质量进行分析,把商家更加直观的呈现给顾客,让顾客选择更方便简洁。
2024-04-16 20:40:14 936KB hadoop 餐饮行业
1
“超过100 FPS的多人3D姿势估计的跨视图跟踪”数据集 注意:回购包含本文中使用的数据集,包括Campus,Shelf,StoreLayout1,StoreLayout2。 连同数据一起,我们提供了一些脚本来可视化2D和3D数据,并评估结果。 不包括源代码,因为这是一个商业项目,如果您有兴趣,请在找到更多信息。 数据集 在这里,我们提供了四个数据集,包括 校园: : 架子: : StoreLayout1:由AiFi Inc.提出。 StoreLayout2:由AiFi Inc.提出。 为了方便起见,您可以一键式从找到并下载它们。 数据结构 对于每个数据集,目录的结构组织如下 Campus_Seq1 ├── annotation_2d.json ├── annotation_3d.json ├── calibration.json ├── detection.json ├─
2024-04-16 17:13:16 21KB Python
1
本资源是摔倒识别数据集的yolov8格式,可以直接使用yolov8训练。 随着科技的不断进步,人工智能已经逐渐渗透到我们的日常生活中。其中,摔倒识别模型的设计与应用,更是体现了技术对生活的深切关怀。这一模型的重要性不容忽视,它关乎到每一个人的生活安全与健康。 对于老年人或者身体机能受损的人群来说,摔倒是一个常见的风险。在无人陪伴的情况下,一旦发生意外,后果不堪设想。而摔倒识别模型,能够在第一时间察觉到这一情况,迅速做出反应,为救援争取宝贵的时间。不仅如此,通过实时的数据分析,它还能预测摔倒的高风险时刻,提前做出预警,避免不幸的发生。 此外,摔倒识别模型的设计也对医疗领域有着深远的影响。它不仅能够为医生提供更加准确、全面的病人数据,还能协助医生进行远程监控,确保患者得到及时的医疗援助。这对于那些需要长期照顾的患者来说,无疑是一个巨大的福音。 摔倒识别模型不仅仅是一个技术产品,更是对人类生活质量的保障和提升。它体现了科技的力量,也展现了我们对生活的责任和关怀。设计并不断完善这样的模型,是我们对未来的期待,也是我们对生活的承诺。
2024-04-15 19:58:08 259.07MB 数据集 目标检测 计算机视觉
1