本文采用对分类的样本数据短信文本词频统计，转化为tf-idf权值向量(即文本向量表示法),代入高斯贝叶斯模型进行训练。内有详细代码和实现过程。

caffe常用网络模型权重文件和定义文件（alex, vgg, googlenet, resnet）-附件资源

用神经网络确定权重的matlab代码 存储库贡献者：Timothy Dunn，Jesse Marshall，Diego Aldarondo，William Wang，Kyle Severson DANNCE（用于计算人类学的3维对齐神经网络）是一种卷积神经网络（CNN），可从多角度拍摄的视频中计算行为动物上用户定义的解剖学界标的3D位置。 与现有的动物（例如）2D关键点检测方法相比，DANNCE的关键创新在于该网络是完全3D的，因此它可以了解3D图像特征以及相机和地标在3D空间中的相互关系。 我们还使用大鼠运动捕捉和同步视频的大型数据集对DANNCE进行了预训练，因此标准网络对啮齿动物的运动和姿势具有广泛的先验知识。 DANNCE跟踪地标的能力可以很好地转移到小鼠和其他哺乳动物，并且可以在不同的摄像机视角，摄像机类型和照明条件下工作。 示例结果 鼠 鼠 DANNCE安装 DANNCE需要启用CUDA的GPU和适当的驱动程序。 我们已经在NVIDIA GPU（包括Titan V，Titan X Pascal，Titan RTX，V100和Quadro P5000）上测试了DANNCE。

darknet版yolov3无人机检测训练权重，包括几万张图片训练好的yolov3-drone.weights和yolov3-tiny-drone.weights训练好的权重，并附上了测试的视频，用于检测空中的旋翼无人机，目标类别名为drone,有需要的可以下载

EfficienDet一般有好几个版本，可以根据自己的计算资源下载不同的预训练权重，但是预训练权重一般不太好下载，我上传到这里可供大家下载

yolov4代码以及部分权重 yolov3-微小-prn.cfg - 33.1％mAP@0.5 - 370（R）FPS - 3.5 BFlops - 18.8 MB：yolov3-微小-prn.weights ENET-coco.cfg（EfficientNetB0-Yolov3） - 45.5％mAP@0.5 - 55（R）FPS - 3.7 BFlops - 18.3 MB：enetb0-coco_final.weights

yolov5无人机目标检测训练权重,附代码，代码为yolov5版本五，训练的 模型为yolov5s，目标类别名为drone,用于检测空中旋翼无人机，训练好的权重和曲线图保存载runs/train文件夹中，有需要的可以下载

yolov3火焰识别训练权重，pytorch框架ultralytics版yolov3代码，附代码，目标类别名为fire，训练好的权重和曲线图在runs/train文件夹下，有需要的可以下载

此脚本计算具有用户指定顶点的四面体的 (x,y,z) 高斯正交节点和权重。

darknet版yolov4行人检测训练权重；配置文件为data/coco.names; cfg/yolov4.cfg; cfg/coco.data; 训练图片尺寸 512x512；类别名person；训练好的权重保存在backup中，附训练loss图和map曲线图，并包含行人训练数据集800多张