以一张图像（灰度图）为例，用Matlab编程验证DCT量化、系数数量等因素对重建图像质量的影响。有详细的程序说明和DCT算法思路说明

1、几百张水果新鲜程度检测数据集，目标类别为apple、bad banana、banana和bad apple 共4个类别，标签格式为txt和xml两种，分别保存在两个文件夹中 2、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743

yolov5垃圾分类数据集三千张（已标注）

1、YOLOv3猫狗检测训练模型，包含YOLOv3和YOLOv3_tiny两种训练好的猫狗检测权重，从自动一万多张猫狗检测数据集训练得到。 2、并包含10000多张标注好的猫狗检测数据集，标签格式为xml和txt两种，类别名为cat和dog，配置好环境后可以直接使用 4、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 5、采用pytrch框架，python代码

vott做的 tf格式

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

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

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~

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~

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