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

海量的汽车数据集可供下载，可以做一些基于深度学习的车辆检测

以掩膜形式标注的轻量级航拍车辆标注数据集，标注信息以图片的形式给出。

这是电动汽车的数据集。mtcars数据集是最受欢迎的数据科学数据集之一。在运行分析和可视化时，它以其简单性而闻名。在EV上查找简单数据集时，似乎没有任何数据。同样，鉴于这个市场的增长，很多人对此感到好奇。 ElectricCarData_Clean.csv ElectricCarData_Norm.csv

卡内基梅隆大学 路面测试 的专用图片数据库

机器视觉汽车图像检测数据集Computer vision car dataset for opencv and machine learning》by Vlada Kucera。