colab_utils
适用于 Google Colab 笔记本的一些有用（或不那么重要）的 Python 内容
如何安装它：
单击代码单元格并粘贴：
!pip install git+git://github.com/ricardodeazambuja/colab_utils.git
然后alt+enter或shift+enter执行。
例子
。
。
这是在 colab 上运行时从我的网络摄像头（实时）获取图像时的输出： *在有人问之前，是的，我穿着星球大战睡衣......只在隔离期间；）
去做
改进代码，因为现在它是一团糟，尽管它不是最佳的，但它可以工作，并且直接使用 Google Colab 做东西很酷;)
2021-05-29 16:02:54
1.42MB
1
面罩检测
使用YOLO网络（Darknet）和更快的R-CNN网络（PyTorch）在Google Colab中进行面罩检测。 检测到3类：正确佩戴的口罩，错误佩戴的口罩和未佩戴的口罩。
设置和执行YOLO：
在您的Google云端硬盘中创建名为yolov3的文件夹
下载数据集（ ， ）
执行jupyter Notebook
对于测试，请执行detection_utils.py或对视频进行检测，请执行detect_video.py您可以使用video_converter.py从视频创建数据集，从视频到图像或从图像到视频。
设置和执行PyTorch：
在您的Google云端硬盘中创建一个名为rcnn的文件夹，然后以zip格式上传数据集。
下载数据集（ ， ）
执行jupyter Notebook
预训练重量：
在Kaggle数据集上已经预先训练了 （和）网络和权重（方法
2021-05-13 17:10:28
9.06MB
1
图像分类-卷积神经网络：使用MNIST时尚数据集，构建了卷积神经网络将图像分类为10个类别之一。 使用TensorFlow Framework和Keras库实现了CNN。 在Google Colab上以60,000张图像训练模型
2021-02-17 18:06:25
551KB
1
Data Collection - CSV_TSV - Google Colab (1).txt
2021-02-06 22:01:13
177B
1