Labeled Fishes in the Wild 为鱼类图像数据集，图像中包含鱼类、无脊椎动物和河床，通过部署在远程操作潜水器上的渔业统计摄像系统拍摄得到的。鱼类位置数据被包括在相应的数据文件中（ dat，vec 和 info），标注了鱼在图像中的位置。
2023-04-05 05:05:53
423.68MB
1
MATLAB疲劳检测（眼部识别，可做眼部，打哈欠，偏头等，构架）设计 (13)设计
2023-03-21 22:35:36
538KB
1
UCI Folio Leaf 是不同种类树叶的图片数据集，包含 32 中不同的树叶种类，每类 20 张左右的图像。
2023-03-21 19:58:32
927.99MB
1
目前，基于深度学习的目标检测方法主要有两大分支，分别是基于区域提取的两阶段目标检测模型和直接进行位置回归的一阶段目标检测模型。
故本项目通过采用深度学习方法实现对吸烟行为的目标检测，使用python语言搭建YOLO算法实现对吸烟行为的实时监测。
YOLO算法将整幅图像分为了多个网格单元，对每个网格中心目标进行检测，该算法不用生成候选区域，在一个卷积网络中就可以完成特征提取、分类回归等任务，检测过程得到了简化，检测速度也变得更快，但该算法对于小尺度目标的检测不够准确，如果图像中存在重叠遮挡等现象就可能出现遗漏。
2023-03-06 15:14:34
957.83MB
1
对两个时相遥感图像进行光谱量测，每个像元可生成一个具有变化方向(变化方向码)和变化强度两个特征的变化向量
2023-02-25 16:24:10
3.95MB
The Oxford-IIIT Pet Dataset是一个宠物图像数据集，包含37种宠物，每种宠物200张左右宠物图片，并同时包含宠物轮廓标注信息。
2023-02-19 01:04:20
773.72MB
1
LabelMe 12-50k 数据集是一个物体识别数据集，总共包含 50000 张 JPEG 格式的图片，其中 40000 张为训练数据，10000张为测试数据，图像均从 LabelMe 网站中提取得到。每张图像分辨率为 256x256 大小。其中 50% 的图片在中心位置有一个物体，该物体属于类别总数为12类中的一类。其余 50% 图片为随机选取的图片中的一块随机区域。
2023-01-17 08:57:42
461.54MB
1