YoloV5_JDE_TensorRT_for_Track
##Introduction
A multi object detect and track Library Based on tensorrt
一个基于TensorRT的多目标检测和跟踪融合算法库，可以同时支持行人的多目标检测和跟踪，当然也可以仅仅当检测库使用。
Video Demo
2022-05-21 23:56:08
11.47MB
1
1、have_helmet_images内放的是佩戴安全帽的图片，将标签文件放入Annotations，标签为have_helmet
2、no_helmet_images内放的是未佩戴安全帽的图片，将标签文件放入Annotations，标签为no_helmet
3、Annotations存放标签的文件
4、labelimg具体使用方法看labelimg安装即使用方法.html
2022-05-21 14:07:04
209.08MB
该数据集是自己收集制作，实际项目所用，数据集质量可靠。一共有10种交通标志，分别是[‘ahead’, ‘clearway_no_stopping’, ‘crosswalk’, ‘motorway’, ‘non-motorized_lane’, ‘speed_limit_50’, ‘split-way’, ‘turn_left’, ‘turn_right’, ‘warning_sign’]。资源中数据集分为两种，一种是28x28大小的，另外一种是224x224大小。已做好分类，直接用。
使用于各种常见的cnn分类算法，适合于深度学习初学者学习。欢迎下载，有什么问题可私信沟通~
2022-05-21 14:07:01
99.49MB
资源为交通标志数据，数据类别为10类，有1956张，数据格式已转换为MNIST手写字数据格式（文件名分别是t10k-images-idx3-ubyte，t10k-labels-idx1-ubyte，train-images-idx3-ubyte，train-labels-idx1-ubyte），可以直接替换MNIST手写字体数据使用，pytorch框架可直接用torchvision.datasets.MNIST调用，无需再更改数据加载方式，非常方便。可用于各种分类算法训练验证，如cnn或者snn。
【备注】：若需帮助转换自建分类数据格式 为MNIST数据格式，请私信我
欢迎下载使用，有问题可以私信留言~
2022-05-21 14:06:59
2.58MB
垃圾分类数据集及代码，智能垃圾分类赛道。使用PyQt5进行界面设计，做了数据集并进行测试，使用神经网络进行图像识别处理。测试时识别准确率为百分百。垃圾分类数据集及代码，智能垃圾分类赛道。使用PyQt5进行界面设计，做了数据集并进行测试，使用神经网络进行图像识别处理。测试时识别准确率为百分百。垃圾分类数据集及代码，智能垃圾分类赛道。使用PyQt5进行界面设计，做了数据集并进行测试，使用神经网络进行图像识别处理。测试时识别准确率为百分百。垃圾分类数据集及代码，智能垃圾分类赛道。使用PyQt5进行界面设计，做了数据集并进行测试，使用神经网络进行图像识别处理。测试时识别准确率为百分百。垃圾分类数据集及代码，智能垃圾分类赛道。使用PyQt5进行界面设计，做了数据集并进行测试，使用神经网络进行图像识别处理。测试时识别准确率为百分百。垃圾分类数据集及代码，智能垃圾分类赛道。使用PyQt5进行界面设计，做了数据集并进行测试，使用神经网络进行图像识别处理。测试时识别准确率为百分百。垃圾分类数据集及代码，智能垃圾分类赛道。使用PyQt5进行界面设计，做了数据集并进行测试，使用神经网络进行图像识别处理。测
2022-05-21 14:06:58
560.99MB
联想的ThinkPad X230T 装黑苹果系统引导文件EFI，亲测在用。之前在网上找了很久没有一个能用的，通过摸索修改，现在这个EFI能够完全引导。镜像下载也在打包文件里了，自己去动手就行。多折磨
2022-05-21 14:00:37
16.92MB
代码中提供了文档； 运行matlab命令：
文档 CoSkewness
张量和矩阵形式扩展了 Matlab 函数 skewness(x) 的单变量计算。
2022-05-20 17:26:34
4KB
1
架构师，IT架构师，Java架构师，微服务架构，Hadoop技能图谱，嵌入式开发技能图谱，运维技能图谱
2022-05-20 17:00:49
9.09MB
1
深度学习技术（tensorflow框架，张量与变量）【beta版】，以后会逐渐完善，这一份是老师的笔记
第2章 TensorFlow框架介绍 2
2.1. TF数据流图 2
2.1.1. 案例：TensorFlow实现一个加法运算 2
2.1.2. 数据流图介绍 3
2.2. 图与TensorBoard 5
2.2.1. 什么是图结构 5
2.2.2. 图相关操作 5
2.2.3. TensorBoard：可视化学习 7
2.2.4. OP 9
2.3. 会话 11
2.3.1. 会话 11
2.4. 张量 14
2.4.1. 张量(Tensor) 14
2.4.2. 创建张量的指令 16
2.4.3. 张量的变换 17
2.4.4. 张量的数学运算 19
2.5. 变量OP 19
2.5.1. 创建变量 19
2.5.2. 使用tf.variable_scope()修改变量的命名空间 20
2.6. 高级API 20
2.6.1. 其他基础API 21
2.6.2. 高级API 21
2.7. 案例：实现线性回归 22
2.7.1. 线性回归原理复习 23
2.7.2. 案例：实现线
2022-05-20 12:05:28
1.13MB
1