内含数据集以及算法源码适合初学者和进阶者

内含数据集以及算法源码适合初学者和进阶者

内含数据集以及算法源码适合初学者和进阶者

Yolov3+Flask+2k图片+99%检测率权重——交互式框架 0x01 主页视图 0x02 图片检测 0x03 视频检测 0x04 实时检测 0x05 训练数据 0x06 日志记录

使用yolov5训练好的口罩检测模型，其中具体训练方法见我的博文《使用YOLOV5训练口罩检测模型》，链接https://blog.csdn.net/wchwdog13/article/details/128311482?spm=1001.2014.3001.5501

EAST算法的改进算法，详尽的改进大家可以搜我的专利，或者论文，用于文本检测的DRRG的改进找不到了，但是两者主要的改进在于网络的部分混合金字塔，所以可以通用，专利和论文作者都是葛立鹏

python开发基于深度学习的智慧教室课堂专注度及考试防作弊系统源码+训练好的模型.zip课堂专注度及考试防作弊系统、课堂动态点名，情绪识别、表情识别和人脸识别相结合。作弊检测 关键点计算方法 转头(probe)+低头(peep)+传递物品(passing) 人脸识别：dlib_face_recognition_resnet_model_v1.dat detection_system/face_recog/weights 人脸对齐：shape_predictor_68_face_landmarks.dat detection_system/face_recog/weights 作弊动作分类器：cheating_detector_rfc_kp.pkl detection_system/weights 使用 运行setup.py安装必要内容 python setup.py build develop 运行demo_inference.py 将detection_system设置为source root 基于深度学习的智慧教室课堂专注度及考试防作弊系统基于深度学习的智慧教室课堂专注度及考试防

基于深度学习+树莓派4b实现控制小车自动驾驶项目python源码+项目详解说明.zip 【部分操作说明】 1.配置树莓派（单独配置SSH文件）使其能够实现基本的操作，如putty连接，vncviewer可视化操作，winscp传输文件等，可在软件中配置 2.准备对应得设备，如杜邦线，螺丝刀，基本的车壳， 3.配置树莓派在小车上，并利用杜邦线连接相对应的电机，这里使用的L298N电机，GPIO口对应得分别是7,11（后轮电机），13,15（前轮电机），并且将电源连接到L298N电机上，注意这里的一定要单独給电机供电，靠树莓派的电压会不够，还有就是这里的接地线，连接到GPIO口9，并与电源的负极短接。可以利用test1back.py，test2front.py进行测试。 4.配置使能端口，这里利用的是GPIO口12,16，可以根据自己的实际需要进行调整，注意拔掉L298N电机上的跳线帽连接。ps：增加使能是因为测试中发现一旦转向, 车轮不能回正因电机保持通电状态需要让电机断电从而释放动力。 等等....... 需自己拥有树莓派4b开发设备及小车配件

基于深度学习和机器学习的恶意软件检测算法 内含数据集以及训练预测脚本

基于机器学习和深度学习的恶意域名检测算法 DGA：恶意域名生成算法 内含数据集以及训练脚本