【水果检测】基于计算机视觉实现柑橘质量检测及分级系统含Matlab源码

深度学习中计算机视觉的目标检测的YOLOv1的改进版本

多多交流，人脸识别，学习路上小插曲

基于Vision Transformer的图像分类系统，pytorch版本的，训练数据集是植物叶片病害无标注数据集，训练100轮后最高准确率为99.74%，你也可以基于本架构训练你自己的数据集。博客地址：https://blog.csdn.net/weixin_51331359/article/details/124514770?spm=1001.2014.3001.5502

用于Vision Transformer的预训练模型，导入后提高训练准确率起点，有利于模型拟合。

遗留物检测，通过GMM混合模型，检测遗留物，当停顿8秒都在原地，则认为是遗留物，用红色标记。采用MFC做界面，VS2015 OPENCV，效果好

基于TensorFlow+OpenCV的焊缝识别 文章地址： https://blog.csdn.net/weixin_53403301/article/details/124505827

结课设计…顺利过。项目主要是利用OpenCV的SVM支持向量机，来进行车牌字符的训练，并进行字符的分割、字符识别等。使用Python内置模块Tkinter来实现系统的图形界面。将识别到的车牌与数据库中的黑名单车牌比对，实现正常车牌的快速放行以及黑名单车牌的及时报警。

告别繁琐步骤，用Python脚本一键训练自己的目标检测数据集 i Only need to Click Once

该数据集主要包含自行车、电动车和摩托车，标签都是yolo格式，是经过本人精心挑选及筛选的。博客上也有很多其它数据集资源，但经本人下载后有很多图片的标签有误，甚至压根就不是人工标注的（估计是拿模型直接检测出来的），这个严重影响模型的精度。 数据集图片总数为12811，标签文件名与图片片名一一对应，但是有的标签文件是多余的，不对应图片，训练的时候直接根据图片读标签即可。 标签格式：（类别 id 归一化后的x,y,w,h），其中id均为-1，因为我用这个数据集训练的跟踪模型，所以会有id信息。如果只想训练检测模型，对标签用代码处理以下即可。