全部reside用于图像去雾数据集，包括子集，进入网盘下载即可

压缩包内提供百度网盘下载链接，永不过期！ 该数据集包含了水稻、玉米、小麦、甜菜、苜蓿、葡萄、柑橘 、芒果共8种作物的75000 多幅图像。前五种作物为大田作物（FC， field crops），后三种为经济作物（EC，economic crops）。该数据集可以用于深度学习与农作物方面图像处理研究。 该数据集包含了水稻、玉米、小麦、甜菜、苜蓿、葡萄、柑橘 、芒果共8种作物的75000 多幅图像。前五种作物为大田作物（FC， field crops），后三种为经济作物（EC，economic crops）。该数据集可以用于深度学习与农作物方面图像处理研究。 该数据集包含了水稻、玉米、小麦、甜菜、苜蓿、葡萄、柑橘 、芒果共8种作物的75000 多幅图像。前五种作物为大田作物（FC， field crops），后三种为经济作物（EC，economic crops）。该数据集可以用于深度学习与农作物方面图像处理研究。

功能简介 1，完全免费使用，无任何限制 2，界面简洁、操作简单、功能强大，支持字符模式、图像模式、字库模式 3，支持点阵的字体、大小、移动、旋转、反相、对齐等各种自定义设置 4，支持手动修改点阵数据 5，支持多种方向取模方式，适合各种使用场景 6，支持C51/A51格式输出 7，字库模式也支持点阵的字体、大小、移动、旋转、反相、对齐等各种自定义 8，支持自动升级功能

1.使用DenseNet神经网络实现对CIFAR-10数据集的训练 2.包含课程设计和源代码以及CIFAR-10数据集，可以直接用 3.希望可以帮到大家嘿嘿

烟草烟叶烘干程度检测数据集(图像分类，3类，每类300多张).zip

Voxceleb2 视频数据集，通过原作者给的谷歌云盘链接下载，费劲九牛二虎之力下载下来的回点血。 共280G，内容为原作者处理过后的图片格式，不是视频，没有音频。 资源通过天翼云盘分享。 原链接在这有能力的自取：https://drive.google.com/file/d/1VLhAbzbrexqg-nHq8l1AV8oc-Sq-x0kZ/view?usp=sharing

该数据集包括200+个类，每类包含水果越300+张，每张水果图片都经过了旋转。 苹果（不同品种：深红色、金色、金红色、史密斯奶奶、粉红女士、红色、红色美味）、杏、鳄梨、熟鳄梨、香蕉（黄色、红色、女士手指）、甜菜根红、蓝莓、仙人掌、哈密瓜（2个品种）、洋芋、花椰菜、樱桃（不同品种，雷尼尔）、樱桃蜡（黄、红、黑）、栗子，克莱门汀、椰子、玉米（带壳）、黄瓜（成熟）、大枣、茄子、无花果、姜根、石榴、葡萄（蓝色、粉色、白色（不同品种））、葡萄柚（粉色、白色）、番石榴、榛子、越橘、猕猴桃、卡其、大头菜、金缕梅、柠檬（普通、梅耶）、青柠、荔枝、柑桔、芒果（绿色、红色）、芒果、芒果，甜瓜馅饼、桑椹、油桃（普通、扁平）、坚果（森林、山核桃）、洋葱（红色、白色）、橘子、木瓜、西番莲、桃子（不同品种）、佩皮诺、梨（不同品种，阿巴特、福莱尔、凯撒、怪兽、红、石、威廉姆斯）、胡椒（红、绿、橙、黄）、酸浆（普通，带壳）、菠萝（普通、迷你），皮塔哈亚红、李子（不同品种）、石榴、石榴甜心、土豆（红、甜、白）、木瓜、红毛丹、覆盆子、红醋栗、萨拉克、草莓（普通、楔形）、柽柳、坦格洛、番茄

关于 我发现一些客户的图像在将其上传到他们的网站后神秘地旋转了90或270度。 该文件将在Photoshop中正确显示，但上传后将被错误地旋转。 更奇怪的是，如果您重新下载图像并在Photoshop中将其打开-看起来是正确的！ 老实说，我不确定是什么原因造成的。 有一段EXIF数据，即“ Image Orientation”，以某种方式设置，并以某种方式导致PIL错误地显示图像（或可能正确显示，具体取决于您的视图）。 此修补程序仅查看EXIF数据，然后重新旋转它以撤消“图像方向”标签。 它不会修改EXIF数据。 实际上，一些快速测试表明，一旦运行脚本，大多数EXIF数据都会丢失（目前我还不担心）。 正在安装 img_rotate在上可用，可以与一起安装： pip install img_rotate 命令行使用 使用此脚本的最简单方法是从命令行输入图像的文件名进行修复： >>>

用Pytorch实现我们的CIFAR10的图像分类 模型有LeNet，AlexNet，VGG，GoogLeNet，ResNet，DenseNet，Efficientnet，MobileNet，MobileNetv2，ResNeXt，Pnasnet，RegNet，SeNet,ShuffleNet,ShuffleNetv2，Preact_ResNet，DPN，DLA 在models中有所有模型的实现，然后在main.py中定义了训练的代码，也可以进行预测我们的结果，除此之外，对所有的模型自己进行了测试，并且对准确率做了一个详细的比较，也可以根据此进行测试和比较训练。 在资源中有全部代码的学习资料，代码所有都可运行，可执行，可复现

人工智能-项目实践-图像聚类-Kmeans方法对图像色彩进行聚类