使用卷积神经网络对mnist数据集进行分析 使用tensorflow对mnist数据集进行建模 #1、导入需要用到的包 import tensorflow as tf import random import numpy as np import matplotlib.pyplot as plt import datetime from tensorflow.examples.tutorials.mnist import input_data #2、导入mnist数据集 mnist = input_data.read_data_sets("data/", one_hot=True) #3、

用于疲劳检测的数据集，数据集分为两类：疲劳状态和非疲劳状态，每个状态下都是人脸部图像的分割图像。  在该模型架构下：将人脸图像作为输入，从中检测并裁剪出面部特征点，这些裁剪出的面部特征，如眼睛、眼圈（眼睑）、鼻子、嘴巴以及整个面部皮肤图像等五个部分分别作为输入有针对性的训练各个模型，然后各个模型将预测返回输入图像所对应的疲劳值，最终将这些值加权求和，（眼睛和黑眼圈的权重更高）最终值来确定一个人的疲劳程度。

无人机监测的光伏系统的热成像图像数据集，共120张无人机监测图片数据 无人机监测的光伏系统的热成像图像数据集，共120张无人机监测图片数据 无人机监测的光伏系统的热成像图像数据集，共120张无人机监测图片数据

无人机3D点云树木计数监测数据集，共3个数据 无人机3D点云树木计数监测数据集，共3个数据 无人机3D点云树木计数监测数据集，共3个数据

固定翼无人机检测创建的数据集。数据集包含554张图像及其yolo txt注释文件。最初它有319个独特的图像，这个数字随着水平翻转增强而增加。它可以用于目标检测和目标跟踪算法的尝试。 固定翼无人机检测创建的数据集。数据集包含554张图像及其yolo txt注释文件。最初它有319个独特的图像，这个数字随着水平翻转增强而增加。它可以用于目标检测和目标跟踪算法的尝试。

无人机检测数据集，这个数据集包含了4000多张业余无人机的图像。(无人机) 无人机检测数据集，这个数据集包含了4000多张业余无人机的图像。(无人机) 无人机检测数据集，这个数据集包含了4000多张业余无人机的图像。(无人机)

无人机检测数据集，此数据集包含1962张无人机的.jpg图像，用于图像分类(或任何您认为合适的)。 无人机检测数据集，此数据集包含1962张无人机的.jpg图像，用于图像分类(或任何您认为合适的)。 无人机检测数据集，此数据集包含1962张无人机的.jpg图像，用于图像分类(或任何您认为合适的)。

无人机检测数据集（多旋翼），有1359张照片，都有标签。有“。txt”和“。xml”文件来训练Darknet(yolo)， Tensorflow和PyTorch模型。 无人机检测数据集（多旋翼），有1359张照片，都有标签。有“。txt”和“。xml”文件来训练Darknet(yolo)， Tensorflow和PyTorch模型。

乳腺癌X光分割图像数据集，该文件包含训练模型的模态权重。模型可以在与此数据集相关的笔记本中建立。 乳腺癌X光分割图像数据集，该文件包含训练模型的模态权重。模型可以在与此数据集相关的笔记本中建立。 乳腺癌X光分割图像数据集，该文件包含训练模型的模态权重。模型可以在与此数据集相关的笔记本中建立。

用于pCR预测的乳腺癌患者CDIs图像集合，250多例数据 用于pCR预测的乳腺癌患者CDIs图像集合，250多例数据 用于pCR预测的乳腺癌患者CDIs图像集合，250多例数据