爆改YOLOV7的detect.py，将其制作成API接口，可供其他程序调用，识别的过程中还会返回识别目标的详细信息（包括：种类、二维坐标位置、置信度），超低延时流畅运行。 博客：https://blog.csdn.net/weixin_51331359/article/details/126012620?csdn_share_tail=%7B%22type%22%3A%22blog%22%2C%22rType%22%3A%22article%22%2C%22rId%22%3A%22126012620%22%2C%22source%22%3A%22weixin_51331359%22%7D&ctrtid=hPPve

TIV红外人员数据集，已转为yolo格式，共包含7136张训练集，1784张测试集数据，用于yolo目标检测系列训练，数据清晰，可作为红外人员检测数据集基础数据。

Flir红外数据集，已过滤筛选为3个类别，包括人员，骑车的人，汽车三种类别（person, bicycle, car）,已转为yolo格式，共包含8862张训练集，1366张测试集数据，用于yolo目标检测系列训练，数据清晰，可作为红外检测数据集，自动驾驶等场景的基础数据。数据大小超限制，已放链接，可下载。

PointRCNN源代码中的作者提及的预训练模型。[3D检测系列-PointRCNN]复现PointRCNN代码，并实现PointRCNN3D目标检测可视化，包含预训练权重下载链接（从0开始以及各种报错的解决方法）。有了该模型就无需自己在训练，可以直接用这个模型对网络进行检测和再训练。并且可以参考我的另一篇博文进行网络复现和可视化操作。利用作者的预训练模型可以直接检测，将模型放在tools下面。复现博文地址：https://blog.csdn.net/Callme_TeacherPi/article/details/125963061

包含一类目标：战车。彩图，图片数量为1000张，尺寸为1024x1024，可用于目标检测算法的研究。

1、数据集图片一共1316张，未做数据增强，标签格式有两种，分别为voc格式(xml文件)和yolo格式(txt文件)，下载后需要做数据增强的，可以私信我。 2、数据集亲自收集、爬取，亲手标注，质量还不错。 3、该数据集属于目标检测数据集，可以筛选出制作分类数据集。 备注：使用过程有问题可以私信我

C++实现小波变换，针对图像数据。资源包包含五个文件，WaveCoef.cpp、WaveCoef.h、wavelete.cpp、wavelete.h、说明.txt

资源来源于 https://blog.csdn.net/weixin_30390075/article/details/96019462?utm_medium=distribute.pc_relevant.none-task-blog-2~default~baidujs_title~default-0-96019462-blog-125852782.pc_relevant_multi_platform_whitelistv1&spm=1001.2101.3001.4242.1&utm_relevant_index=3 的转载文章所提到的资源。即单层一维离散小波变换DWT的Mallat算法C++和MATLAB实现。

小波变换函数matlab代码BPM检测器 每分钟拍数（BPM）检测算法的实现，如G.Tzanetakis，G.Essl和P.Cook题为“使用离散小波变换的音频分析”的论文所述。 你可以在这里找到它： 用法 选择要分析的.wav文件，并将其作为输入参数传递给bpm_detection函数，如下所示： myfile\n='file.wav'; [final_signal，correl，estBPM，cd] = bpm_detection（myfile） 上面的代码应在matlab的命令行中执行。 输出 final_signal：离散小波变换后的信号相关：求和信号estBPM的自相关函数系数：输入信号的BMP cd：DWT分解的各个级别的细节系数 或者，您可以使用较短的版本，仅打印BPM。 myfile\n='file.wav'; [estBPM] = bpm_detection（myfile） 为了实现这一点，请更改代码的第一行，使其看起来像这样：function [estBPM] = bpm_detection（s）

交通、街道，违章停车、流动摊贩 图片素材，可用于图片分类、目标检测