使用3000张安全帽训练的.h5模型，精准度很高

使用8000张规则和不规则的火焰数据集训练的.pth火焰模型,识别度高达百分之99.9，可以使用深度学习框架识别各种规则和不规则的火焰

（人工智能）数学基础python回顾

先搭建一个框架

DeepFace一文依旧是沿着“检测-对齐-人脸表示-分类”这一人脸识别技术路线来的，其贡献在于对人脸对齐和人脸表示环节的改进。1）在人脸对齐环节，引入了3D人脸模型对有姿态的人脸就行分片的仿射对齐。2）在人脸表示环节，利用一个9层的深度卷积在包含4000人、400万张人脸的数据集上学习人脸表示，这个9层的DCNN网络有超过1.2亿个参数。本文的模型在LFW数据集上取得了97.25 的平均精度（逼近了人类97.5 的极限），同时在Youtube数据集上取得了当前最好的结果，比之前的NO.1整整高出了12.7 。

零基础入门学习Python

已经标注好了的1200张口罩数据集，包括.jpg文件和生成的.xml文件，可供训练出非常准确的智能识别的口罩模型，可用于基本的深度学习yolov3框架，yolov4框架和yolov5框架，标注不易所以是付费资源，谢谢。

《零基础入门学习Python.pdf》简目录，适合初学者学习

本方法被用于进行交通状态预测。里面包含完整的代码以及数据。

机器学习python决策树（tree.DecisionTreeRegressor）算法实例-附件资源