基于yolo网络的目标识别检测方法，及训练说明。YOLO（You Only Look Once: Unified, Real-Time Object Detection），是Joseph Redmon和Ali Farhadi等人于2015年提出的基于单个神经网络的目标检测系统。在2017年CVPR上，Joseph Redmon和Ali Farhadi又发表的YOLO 2，进一步提高了检测的精度和速度。

MATLAB深度学习HumanActivityTrain数据集

通用场景下手持手机，使用手机打电话识别，yolo格式数据集，可直接用于训练。

包含猫和狗图片的小型图片识别数据集，适用于图片识别的初学者

前言 因为photoshop功能的强大，以及工具的方便，虽然其不是专门的语义分割标注工具，但是仍然可以用其工具进行有效的标注，本文是在吸取经验教训的基础上写的，希望能够帮到所有用这个方法标注的人。 本文的主要内容：photoshop 2020的使用和注意事项、批量转换标签的方法（快速像素替换） 另外可以使用的软件：Pixel Annotation Tool 可以使用涂抹标注，但是这里为了可以多掌握一项技能就用PS了，主要是功能很多，对以后的学习以及工作都有好处，虽然麻烦点，但是掌握的东西多点，是个比较万金油的工具。 一、注意事项 注意这个很重要，否则所有的标签全部报废，所以写在前面，谨记前人

something-v1,v2配置文件训练集测试集验证集csv文件及生成label文件下载视频可以去官网 配置文件有的下载不了 这里上传一份 不包含视频

数据介绍： 该数据集包含4242个鲜花图像。数据收集基于数据flicr，谷歌图像，yandex图像。您可以使用此数据集识别照片中的植物。 内容 图片分为五类：洋甘菊，郁金香，玫瑰，向日葵，蒲公英。每节课大约有800张照片。照片分辨率不高，约为320x240像素。照片不会减少到单一尺寸，它们有不同的比例！

Transferring Deep Convolutional Neural Networks for the Scene Classification of High-Resolution Remo 所用数据源 WHU-RS Dataset. 从Google Earth（Google Inc.）收集的WHU-RS数据集[6]是一个新的公开可用的数据集，其包含大小为600×600像素的950幅图像，均匀分布在19个场景类中。

delsys设备采集的表面肌电信号，16个手势动作，每个动作维持6s，休息4s，进行6次循环。类别标签通过最大面积法修正，效果较好。

DGA恶意域名数据集，可以用于深度学习网络训练集，笔者用于基于注意力机制LSTM的DGA恶意域名检测