对象姿势估计演示
本教程将介绍在Unity中使用UR3机械臂执行姿势估计所需的步骤。 您将获得将ROS与Unity集成，导入URDF模型，收集标记的训练数据以及训练和部署深度学习模型的经验。 在本教程结束时，您将能够在Unity中使用机械臂执行拾取和放置操作，并使用计算机视觉感知机器人拾取的对象。
是否想跳过本教程并运行完整的演示？ 查看我们的。
是否想跳过本教程，而专注于为深度学习模型收集训练数据？ 查看我们的。
注意：该项目是使用Python 3和ROS Noetic开发的。
目录
这一部分包括下载和安装Unity编辑器，设置基本的Unity场景以及导入机器人。 我们将使用软件包导入。
本部分重点介绍使用Unity Computer Vision 进行数据收集的场景。 您将学习如何使用“感知包化器”对场景的各个部分进行随机化，以便在训练数据中创造多样性。
如果您想了解更
2022-03-28 21:14:03
34.49MB
1
车牌训练数据集，已经使用LableImg标注一部分，可以用于YOLO、SSD等训练。可以用来车牌定位等等，只标注了一部分，训练就够了。
2022-03-22 16:10:05
105.54MB
1
Higgs Boson竞赛训练数据 。竞赛官网：https://www.kaggle.com/c/higgs-boson/
2022-03-15 20:03:31
55.19MB
1
Kaggle digita l数据集 包含了42000份训练数据和28000份测试数据
2022-03-15 10:38:22
121.97MB
1
pytorch学习练手项目
pytorch版本DCGAN生成二次元头像,
包含源码训练测试代码，以及训练数据和训练权重
2022-02-21 09:28:54
386.11MB
用于深度学习和神经网络训练的五连子（五子棋）棋局数据。
共1000个数据文件，每个数据文件对应着一局对弈。
每个数据文件按行记录着从第一步落子到最后一步落子的信息，第一行是第一步落子，第二行是第二步落子，依此类推。
每一行按顺序记录着落子的X位置、Y位置、落子者，落子者为-1表示黑棋，+1表示白棋。
2022-02-08 16:06:05
278KB
1
用于深度学习和神经网络训练的六连子棋局数据。
共500个数据文件，每个数据文件对应着一局对弈。
每个数据文件按行记录着从第一步落子到最后一步落子的信息，第一行是第一步落子，第二行是第二步落子，依此类推。
每一行按顺序记录着落子的X位置、Y位置、落子者，落子者为-1表示黑棋，+1表示白棋。
2022-02-08 16:06:05
193KB
1
2016-08-08 The data and labels of the attribute prediction benchmark are released without encription (password). If Dropbox are not accessable, please download the dataset using Google Drive or Baidu Drive
2022-01-31 18:09:13
16.27MB
1
利用opencv对指定文件夹下面的所有训练数据图片进行旋转、翻折、放大、模糊、平移、增加噪点操作进行数据扩充
2022-01-25 11:24:09
3KB
1