Darknet版交通场景YOLOv3汽车识别： 1、包含训练好的weights权重文件，以及后缀为cfg、data、names的配置文件，并包含训练map曲线和loss曲线，map到90%以上 2、包含1万张KITTI汽车检测数据集，类别名为car，标签格式为txt和xml两种，分别保存在两个文件夹中 3、检测效果参考：https://blog.csdn.net/zhiqingAI/article/details/12423074

Darknet版交通场景YOLOv4车辆检测： 1、包含训练好的weights权重文件，以及后缀为cfg、data、names的配置文件，并包含训练map曲线和loss曲线，map到90%以上 2、包含1万张KITTI汽车检测数据集，类别名为car，标签格式为txt和xml两种，分别保存在两个文件夹中 3、检测效果参考：https://blog.csdn.net/zhiqingAI/article/details/12423074

探索性数据分析-汽车数据集 UCI机器学习存储库 资料来源： ： 该项目涉及两个主要分析： 汽车符号值与其车身样式和物理参数的关系 汽车价格与其车身样式，尺寸和发动机规格的关系 用于分析工作的Python笔记本： 参考： 美国公路安全保险学会| 公路损失数据研究所-

这是一批车辆的数据集，一共包含三种类型的车辆（机动车）,分别是轿车（小型车等）、巴士（公交车等）和卡车(货车等)，可用于人工智能目标检测算法的研究。图片的数量为1000张，尺寸为1024x1024，RGB彩图，是卫星拍摄的可见光成像。标签已经全部打好，标签的格式为pascal voc格式(xml)。

Streamlit演示：Udacity自动驾驶汽车图像浏览器 该项目将和演示到交互式应用程序中。 完整的演示并说明了Streamlit的所有主要构建块。 如何运行这个演示 pip install --upgrade streamlit opencv-python streamlit run https://raw.githubusercontent.com/streamlit/demo-self-driving/master/streamlit_app.py 问题？ 注释？ 请在提问。

汽车之家上面的车辆数据有需要的朋友可以使用内含SQL跟excel

3D对象表示是用于多视图对象类检测和场景理解的宝贵资源。细粒度识别是计算机视觉的一个不断发展的子领域，在区分细微的外观差异方面有许多实际应用。这些汽车数据集包含用于组建模型的出色培训和测试集，可以相互区分汽车。 Stanford Cars Dataset_datasets.txt Stanford Cars Dataset01_datasets.zip Stanford Cars Dataset02_datasets.zip Stanford Cars Dataset03_datasets.zip

进行OBD数据的读写，可以进行代码学习，查看数据是如何发送与接收的

全国多个城市近10的汽车保有量

matlab编程水印程序代码托管代码： 使用Pytorch / Resnet进行汽车检测34 需要Jupyter Notebooks支持； 在启用了GPU资源的Google Colab上进行开发和测试。 用法 跑步 在Google Colab中，确保已启用GPU运行时，然后按顺序运行每个单元。 该程序将下载所有培训，验证和测试数据以及数据标签。 然后，程序将按标签中的数据预处理所有数据。 然后将开始对resnet-34模型进行再培训。 将加载模型进行测试，单元将在其中随机选择要测试的测试图像。 基本信息 数据集包含16185个汽车图像，分为196个类别。 其中8,144张图像是训练图像，而8,041张图像是测试图像。 每个类别都是特定的汽车年份，品牌和型号； 这些类别中的每个类别都映射到一个介于1到196之间的数值。每个数字类别值都以[制作模型年]的格式（即：Hyundai Sonata 2012）映射到一个字符串。 数据由一系列matlab文件标记，这些文件带有边界框的坐标，其相应的类号和文件名。 每个图像以像素为单位的边界框的坐标很重要，因为某些图像是汽车经销商的广告，图像中带有无