1.中草药(中药材)图片数据集(Chinese-Medicine-163)： https://blog.csdn.net/guyuealian/article/details/129883396 2.深度学习实现中草药(中药材)识别《Pytorch实现中药材(中草药)分类识别(含训练代码和数据集)》 https://blog.csdn.net/guyuealian/article/details/129880963

工业虚拟现实白皮书-1129.pdf 国有企业数字化转型指数与方法路径白皮书（2021）.pdf 数字孪生产业技术白皮书（2022）.pdf 数字孪生城市白皮书.pdf 数字孪生技术与工程实践.pptx 数字孪生应用白皮书2020版.pdf

子网掩码计算器合集，包含5款子网掩码计算工具，喜欢哪款自己选择

授权方式： 开源软件 界面语言： 简体中文 文件大小： 30.9 MB 更新时间： 2020-08-06 资源类型： 国产软件 推荐等级： ★★★☆☆ 平台环境： JAVA 作者主页： 点击查看 演示地址： 点击查看 详细介绍 – [ fhs-framework快速开发平台 v2.0.4 ] fhs-framwork 是一个集成了国内外诸多优秀开源项目的快速开发平台，除了在常规快速开发平台提供用户，角色，权限，菜单，字典，操作日志，代码生成器，还拥有一些特殊能力。 技术栈 前端：Easyui(美化过的Easyui)，Layui(首页)，Validform，My 97(定制过主题)。 后端校验：hibernate vilidator。 后端：SpringBoot2.25 + Springcloud（可选） ORM：Mybatis JPA Mybatis Plus 模板引擎：beetl 无后端业务的快速开发引擎：PAGEX 分布式配置：Apollo 缓存：jetcache+spring data cache 分布式任务：shedlock 文档：swagger 演示账号密码：admin 123456 fhs-framwork截图 相关阅读 同类推荐： 站长常用源码

数据集是数据科学领域中最重要的基石之一。为了开展任何数据分析或机器学习项目，我们需要大量的数据。数据集不仅可以帮助我们了解数据的性质，而且可以训练模型以预测未来的趋势和结果。模型的性能和效果的好坏，很大程度上取决于训练数据的质量和规模。因此，数据集的质量和规模是评估数据科学和机器学习项目成功与否的关键指标。

车牌检测与识别数据集：包括训练车牌检测模型数据：车牌和非车牌图块大小是136*36。 训练字符识别模型数据： 车牌字符大小是20*20，包括：数字：0~9；字母：A~Z；省市简称：京、津、晋、冀、蒙、辽、吉、黑、沪、苏、浙、皖、闽、赣、鲁、豫、鄂、湘、粤、桂、琼、川、贵、云、藏、陕、甘、青、宁、新、渝， 文章链接：https://tuomasi.blog.csdn.net/article/details/123246627?spm=1001.2014.3001.5502

分好train和test的horse2zebra数据集

交通标志是引导汽车行驶的最重要信息之一，交通标志的检测是自主驾驶和智能交通系统的重要组成部分。构建一个具有多个样本和足够属性类别的交通标志数据集将推动交通标志检测研究的发展。 该数据集包含训练集和验证集，共有58种类别，训练集含有4000多张图片和标签，验证集含有1994张图片和标签。 可以直接放入yolov5中进行训练。（该数据集源自TSRD，作者已分类好训练集、验证集以及每个标签信息） 中国交通标志数据集中国交通标志数据集中国交通标志数据集中国交通标志数据集中国交通标志数据集中国交通标志数据中国交通标志数据集中国交通标志数据集中国交通标志数据集中国交通标志数据集中国交通标志数据集中国交通标志数据集中国交通标志数据中国交通标志数据集中国交通标志数据集中国交通标志数据集中国交通标志数据集中国交通标志数据集中国交通标志数据集中国交通标志数据集中国交通标志数据集中国交通标志数据集中国交通标志数据集中国交通标志数据集中国交通标志数据集中国交通标志数据集中国交通标志数据集中国交通标志数据集中国交通标志数据集中国交通标志数据集中国交通标志数据集中国交通标志数据集中国交通标志数据集中国交通标志数据

周围计算matlab代码DLORE-DP Dense Members of Local Cores-based Density Peaks Clustering Algorithm DLORE_DP.m 的 matlab 代码和合成数据集包括 DLORE-DP 算法（手稿的算法 4），CoreSearch_supk.m 包括算法 2 和算法 3。使用 DP.m集群本地核心。 drawcluster2 用于绘制聚类结果。 SNNDPC2.m 包含我们在实验中比较的 SNN-DPC 算法。 合成数据集 pacake 包括我们在实验中使用的合成数据集

visDrone2019数据集，可用于小目标检测