概述 这是 ， 和华盛顿大学之间合作的工作空间，旨在自动检测航空影像中的北极野生生物。 意象 现在可以在公开获取图像， 是一个开放的数据存储库，用于保存与保护生物学相关的图像。 标签 data目录包含以下标签/元数据文件： train.csv （5,110条记录）：热点检测数据，我们拥有所有对应的图像数据（请参阅下文）。 当前，所有这些热点均引用数据集ArcticSealsData01中的图像。 test.csv （1,314条记录）：与train.csv相同的格式和分布，适用于交叉验证。 CSV文件中的每个记录均指的是NOAA热探测系统所拾取的热点，人类将其分类为“动物”（真阳性）或“异常”（假阳性）。 每个热点都是唯一的（没有重复项）。 列架构如下： hotspot_id ：唯一ID timestamp ：GMT / UTC时间戳（始终对应于热图像时间戳） filt_the

PNDC 肺结节的检测与分类 Extra Codes Will be updated soon! 深度学习胸部X线断层扫描图像中孤立性肺结节患者的肺癌诊断算法 \ 细节 抽象的 深度神经网络可检测孤立的结节，并根据胸部CT（计算机断层扫描）图像对结节是否为癌症进行分类。 在该项目中，深度神经网络基于CNN，包括反卷积层和解集层，用于分类和分段。 网络 演示版 原始预测 数据集 肺图像数据库联合会图像收集（LIDC-IDRI）包括诊断性和肺癌筛查性胸部X线断层扫描（CT）扫描，并标明带注释的病变。 它是可通过网络访问的国际资源，用于开发，培训和评估用于肺癌检测和诊断的计算机辅助诊断（CAD）方法。 由美国国立癌症研究所（NCI）发起，并由美国国立卫生研究院（FNIH）基金会进一步推动，并在食品药品监督管理局（FDA）的积极参与下，这种公私合作伙伴关系证明了一项成功的研究成果。建

安装 克隆存储库 git clone git@github.com:awni/ecg.git 如果您没有virtualenv ，请使用 pip install virtualenv 制作并激活新的Python 2.7环境 virtualenv -p python2.7 ecg_env source ecg_env/bin/activate 安装要求（这可能需要几分钟）。 对于仅CPU支持运行 ./setup.sh 要安装GPU支持，请运行 env TF=gpu ./setup.sh 训练 在回购根目录（ ecg ）中，创建一个名为saved的新目录。 mkdir saved 要训​​练模型，请使用以下命令，将path_to_config.json替换为实际配置： python ecg/train.py path_to_config.json 请注意，在每个时期之后，将模型保存在ecg

Caltech-UCSD Birds 200 是一个鸟类图片数据集，包含 200 不同种鸟类，共计 11788 张图片。

输入标注txt文件与预测txt文件路径，计算P、R、TP、FP与FN。txt格式为class、归一化后的矩形框中点x y w h，可调整IOU阈值

针对数据集样本数量较少会影响深度学习检测效果的问题,提出了一种基于改进生成对抗网络和MobileNetV3的带钢缺陷分类方法。首先,引入生成对抗网络并对生成器和判别器进行改进,解决了类别错乱问题并实现了带钢缺陷数据集的扩充。然后,对轻量级图像分类网络MobileNetV3进行改进。最后,在扩充后的数据集上训练,实现了带钢缺陷的分类。实验结果表明,改进的生成对抗网络可生成比较真实的带钢缺陷图像,同时解决深度学习中样本不足的问题;且改进的MobileNetV3参数量是原有参数量的1/14左右,准确率为94.67%,比改进前提高了2.62个百分点,可在工业现场对带钢缺陷进行实时准确的分类。

尖峰神经网络的运动目标检测与分类

基于计算机视觉的番茄损伤自动检测与分类研究.pdf

基于计算机视觉的PCB板焊点缺陷检测及分类.docx

PASCAL Visual Object Classes Challenge 2010年的图像数据集。PASCAL Visual Object Classes 是一个图像物体识别竞赛，用来从真实世界的图像中识别特定对象物体，共包括 4 大类 20 小类物体的识别。其类别信息如下。 Person: person Animal: bird, cat, cow, dog, horse, sheep Vehicle: aeroplane, bicycle, boat, bus, car, motorbike, train Indoor: bottle, chair, dining table, potted plant, sofa, tv/monitor