car-board-reg 基于CNN的车牌号识别 博客链接 【CNN——基于CNN的车牌号识别】 数据集介绍 车牌构成 为简化实验，在该实验中默认车牌字符已经得到划分，因此车牌识别可以分解为三个区域的字符识别任务（多分类任务），共实现7个字符的识别。 例如：京A·F0236 其中第一部分 京 表示车牌所在的省市,后面紧跟的A是发牌单位,间隔符·后面的5个字符就是序号。 省市Province： ("皖", "沪", "津", "渝", "冀", "晋", "蒙", "辽", "吉", "黑", "苏", "浙", "京", "闽", "赣", "鲁", "豫", "鄂", "湘", "粤", "桂", "琼", "川", "贵", "云", "藏", "陕", "甘", "青", "宁", "新") 发牌单位Area： ("A","B","C","D","E","F","G","H","

共8178张 训练集：测试集 为9：1 即 7275：903 主要为中小目标、密集目标，可作为小目标车辆训练检测 由于上传文件大小限制原因，内含网盘链接与提取码，请自行下载

共100多张高清图片和对应的图像xml汽车坐标

DeepGTAV：GTAV的插件，可将其转变为基于视觉的自动驾驶汽车研究环境

二手车价格预测 探索具有随机森林和正则化的二手车价格预测模型。 我使用R进行数据可视化，数据插补和模型选择。 涉及的主要软件包是Hmisc，ggplot2，randomForest和glmnet。 我们正在寻求使用随机Forst和正则化技术的特征选择和预测算法。 方法是随机森林，山脊，套索和弹性网回归。 事实证明，弹性模型可以大幅度减少维数，并保持良好的预测能力。

GT by Citroen Race Car赛车图纸-SW、STEP格式.zip

车价预测 车价回归 问题陈述 一家中国汽车公司吉利汽车（Geely Auto）希望通过在美国设立生产部门并在当地生产汽车，从而在美国和欧洲同行中竞争来进入美国市场。 他们与汽车咨询公司签约，以了解汽车定价所依赖的因素。具体来说，他们想了解影响美国市场汽车定价的因素，因为这些因素可能与中国市场有很大不同。该公司想知道： 哪些变量在预测汽车价格方面很重要 这些变量如何很好地描述汽车的价格 根据各种市场调查，这家咨询公司收集了整个美洲市场上各种类型汽车的大型数据集。

IBusBM：用于RC IBUS协议的Arduino库-使用硬件UART的伺服（接收）和传感器遥测（发送）

ADAMS_CAR建模详细实例教程(

DSP调试