基于yolov5+大疆教育无人机Tello TT实现目标识别检测+追踪测距完整源码+数据集+训练好的模型+操作说明文档.7z 数据集目标是旗、圈识别 模型已经训练调优 请参考项目说明中的步骤来操作。 【备注】主要针对正在做毕设的同学和需要项目实战的深度学习cv图像识别模式识别方向学习者。 也可作为课程设计、期末大作业。包含：项目源码、训练好的模型、项目操作说明等，该项目可直接作为毕设使用。 也可以用来学习、参考、借鉴。如果基础不错，在此代码上做修改，训练其他模型。

基于mtcnn+facenet网络实现简单人脸检测识别系统python源码+训练好的模型文件+项目说明.7z 这两个工程都是keras模型, 所提供的模型文件都只有权重没有网络结构, 我利用作者提供的网络定义和权重文件重新生成了带有网络结构的权重文件. 比如原先只有权重的模型文件pnet.h5, 生成含网络结构和权重的模型文件PNET.h5. 接着用keras2onnx工具把它(PNET.h5)转换成了onnx模型pnet.onnx, 其他胶水部分的逻辑没什么变化. 具体的转换代码请参考keras_onnx.py文件. 【备注】主要针对正在做毕设的同学和需要项目实战的深度学习cv图像识别模式识别方向学习者。 也可作为课程设计、期末大作业。包含：项目源码、训练好的模型、项目操作说明等，该项目可直接作为毕设使用。 也可以用来学习、参考、借鉴。如果基础不错，在此代码上做修改，训练其他模型。

基于yolov5和大疆教育无人机TelloTT实现目标识别测距追踪源码+训练好的模型数据.zip提供训练好的模型，调用方法如下： 模型加载 model = DetectApi(weights=['.\yolov5_new\weights\best.pt'], nosave=False) 目标检测 img_path = '.\img\20.jpg' #待检测图片 res = model.detect(source=img_path) print(res) #显示检测结果 识别后的结果默认存放在yolov5_new/runs/detect/exp*文件夹下 基于yolov5和大疆教育无人机TelloTT实现目标识别测距追踪源码+训练好的模型数据.zip提供训练好的模型，调用方法如下： 模型加载 model = DetectApi(weights=['.\yolov5_new\weights\best.pt'], nosave=False) 目标检测 img_path = '.\img\20.jpg' #待检测图片 res = model.detect(source=img_path) pr

这是FID预训练好的模型，针对coco的文本生成图像定量指标训练好的模型 复现步骤请看：https://blog.csdn.net/air__Heaven/article/details/124751665 CUB-Bird的FID预训练好的模型，请看：https://download.csdn.net/download/air__Heaven/85362542

cifar10文件夹：包括了cifar10原数据库 kaggle文件夹：包括了在kaggle上训练好的模型，以及日志文件 model文件夹：包括了本地cpu训练好的模型 src文件夹：kaggle_tensorboard.py: 用于使用tensorboard展示kaggle上训练的日志 model.py: 神经网络模型 res_model：残差网络模型 有问题就发邮件。GuanlinLi_BIT@163.com

1、YOLOv7行人检测训练权重 ，附有各种训练曲线图，可使用tensorboard打开训练日志，map达90%以上 2、classes: person 3、检测结果和数据集参考：https://blog.csdn.net/weixin_51154380/article/details/127541335?spm=1001.2014.3001.5502

1、YOLOv7行人跌倒检测训练权重 ，附有各种训练曲线图，可使用tensorboard打开训练日志 2、classes: fall; 3、包括数据集，标签格式为VOC和YOLO两种 4、检测结果和数据集参考：https://blog.csdn.net/weixin_51154380/article/details/127165057?spm=1001.2014.3001.5502

利用yolov5实现口罩佩戴检测算法(非常详细) 基于YOLOV5口罩检测数据集+代码+训练好的模型+标注好的数据

xgboost模型训练、评估与模型的保存、加载及使用 python 经过调试的代码，可运行，数据集存于https://download.csdn.net/download/zzpl139/86838136

训练CNN分类模型-pokemon 任务： 1.尝试修改模型，加入归-化层，DropOut层 2.尝试可视化每层的输出内容 3.尝试收集新的分类数据集来体验训练过程 4.记得提交docx,或pdf文件