内容概要：python脚本划分训练集测试集。可以把coco、voc格式的数据转换成yolo系列数据。经过大量实践验证无bug 源代码：python脚本 适合人群：学生、具备一定编程基础，工作1-3年的研发人员、想入门人工智能的爱好者、科研人员 能学到什么：可以快速出效果。节省你的时间 备注：如遇问题，随时联系我。

opencv 编译需要用到 官方原版MD5：8862c87496e2e8c375965e1277dee1c7

计算机视觉课设数据集.zip

西电计算机视觉第三次上机

西电计算机视觉CV第四次上机资源

计算机视觉（马颂德、张正友）

作物引导拍照挑战赛【CV比赛】，通过图像里盆栽的位置可以对图像进行引导方向的识别，给出合理的引导方向。本次赛提供已对植株位置进行分类的图像数据，参赛选手需基于提供的样本构建模型，实现**对图片中植株的位置的分类**（正中、上、下、左、右、左上、左下、右上、右下、过大、过小）。 背景：随着计算机技术的发展，农业开始步入智能化领域。在农业智能化过程中，通过建立起农业病虫害识别模型摆脱传统的专家进行农业病虫害识别。但在农业病虫害识别模型中，由于使用拍摄工具的主体是人，而农业病虫害识别模型对于需要识别的图像具有一定规范性。由于没有对人在拍摄过程中进行规范性引导，导致了人在拍摄过程中随意拍摄图片，从而造成了实际的农业病虫害识别精度远远小于训练时的精度。为了使人拍摄的农作物图像能够达到农业病虫害识别模型输入的要求，提高实际的农业病虫害识别模型的精度，需要**建立起判断植株在图片中的位置的模型来辅助人进行图片拍摄**。在引导拍照过程中，**手机需要实时调用该模型**。为了在移动端得到较好的引导效果，模型的参数规模和速度都需要有相应的限制。人眼产生视觉暂留的阈值一般位于12~24Hz，而屏幕刷新频率的

光流法适用于检测运动的目标。

[CS131]2017斯坦福cs131课程ppt 笔记和课后作业由于上传空间有限在另外一个地址 大家关注公众号“计算机视觉这件小事”或者“AI-ming3526” 回复关键字“cs131”免费获取源码资源

本期关于图像动漫化的深度学习资料非常适用于： 制作毕业设计：基于深度学习的毕业设计；（ofter独家出品） 理解深度学习：深度学习的实际应用；（理论付诸于行动） 设计工具APP：图像处理的设计及实现。（设计APP及使用） 1、运行环境 1.1 深度学习框架：tensorflow 1.2 预训练模型：AnimeGanV2 1.3 编程语言：前端Vue，后端flask-python 2、图片数据集 2.1 AnimeGanV2模型训练图片 2.2 备用-卡通图片（cartoon） 2.3 备用-漫画图片（anime） 3、代码使用说明（前后端） 3.1 运行环境（含模型、框架、安装库） 3.2 代码说明（含项目结构、核心代码） 3.3 运行说明（含本地后端、本地部署、云服务器部署） 3.4 运行效果及改善点 4、图像动漫化论文 4.1 CartoonGan 4.2 AnimeGan