自述文件 该存储库包含该论文的数据，代码，预训练的模型和实验结果： [SEntiMoji：由Emoji推动的用于软件工程中情感分析的学习方法] 。 森蒂莫吉 这项研究提出了SEntiMoji，它利用来自Github和Twitter的包含表情符号的文本来改善软件工程（SE）领域中的情感分析和情感检测任务。 事实证明，SEntiMoji能够在代表性的基准数据集上显着胜过现有的SE自定义情感分析和情感检测方法。 总览 data/包含本研究中使用的数据。 它包含两个子文件夹： GitHub_data/包含用于训练SEntiMoji的已处理表情文字。 benchmark_dataset/包含用于评估

自己用的训练模型的数据集

基于pytorch的垃圾分类，带训练模型和数据集的下载链接！ 多达200类别-垃圾分类！ 附带5种先进的图像分类网络！ 代码支持知识蒸馏，里面有详细的教程！ 代码里面还有50+种模型选择，支持对比实验，每个模型都支持Imagenet预训练权重，详细请看代码里面的Readme！！

vgg网络模型，COCO数据集。预训练模型参数

残差网络RESNET和COCO数据集与训练模型的参数

人脸识别模型 该软件包仅包含使用的模型。 有关更多信息，请参见 。 这些模型由（ 创建，并在公共领域或CC0 1.0 Universal下获得许可。 请参阅许可。

人头检测，采用YOLO7TINY训练模型，只需要OPENCV和ONNX，不需要其他依赖。C++和PYTHON语言都有

基于PaddlePaddle实现的密度估计模型CrowdNet预训练模型

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

1、YOLOv7猫狗检测训练模型 ，附有各种训练曲线图，可使用tensorboard打开训练日志 2、classes: cat, dog； 3、包含猫狗检测数据，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/127988229