铁路轨道缺陷与非缺陷的图像分类数据集，每类超过130张图片 铁路轨道缺陷与非缺陷的图像分类数据集，每类超过130张图片 铁路轨道缺陷与非缺陷的图像分类数据集，每类超过130张图片

骰子图像分类数据集，数据格式为二进制，记录长度为401字节。第一个字节包含类(1到12，注意它不是从0开始的)，其他400个字节是图像行。我们提供100万张图片，分成10个文件，每个文件有100k条记录，还有一个额外的测试集，包含10,000张图片。

Keras CNN分类器 该存储库提供代码以根据Tensorflow 2.0中Keras API提供的预训练卷积神经网络（CNN）设置和训练自己的图像分类器。 您可以利用转移学习对自己收集的数据集进行训练，或者从头开始训练网络以比较大型数据集的性能。 如何使用 这个仓库的主要代码包含在ClassifierCNN类Classifier.py 。 您真正需要做的就是导入该类，设置一个适当的实例来指定所需的数据集和模型，一切顺利。 下面提供了一些示例： # Import pre-trained Keras CNN Model from keras.applications.densenet import DenseNet169 # Import ClassifierCNN class from Classifier import ClassifierCNN # Instantiate clas

大家好，今天给大家带来一个卷积神经网络（CNN）数学图形识别项目(简单入门版)，这个是人工智能解题的基础，机器首先通过题目识别出题目中的文字和图形，读懂题目的含义，这个是个相对复杂的过程。就在今年的1月4日，麻省理工学院等四所高校的联合研究团队，发布了一项最新研究成果：他们开发了一个神经网络，可以解答出微积分、线性代数等大学数学题。不管是要求计算数值，还是写方程式，或者画出函数图形，都能轻易解答，正确率达到了100%。要知道，在短短几个月前，人工智能解答类似的题，最高正确率不到10%。

寿司和三明治图像分类数据集，两类图片各10000张图片 寿司和三明治图像分类数据集，两类图片各10000张图片 寿司和三明治图像分类数据集，两类图片各10000张图片

猎豹和鬣狗图像分类数据集，2个文件夹，每类900张图片 猎豹和鬣狗图像分类数据集，2个文件夹，每类900张图片 猎豹和鬣狗图像分类数据集，2个文件夹，每类900张图片

凌乱与整齐的场景图像分类数据集，两种场景个100张图片 凌乱与整齐的场景图像分类数据集，两种场景个100张图片 凌乱与整齐的场景图像分类数据集，两种场景个100张图片

蘑菇图像的检测和分类数据集，（553张JPG图片，一个带有image_id和类的CSV文件。15个类，每个类有30-50张图片。） 蘑菇图像的检测和分类数据集，（553张JPG图片，一个带有image_id和类的CSV文件。15个类，每个类有30-50张图片。） 蘑菇图像的检测和分类数据集，（553张JPG图片，一个带有image_id和类的CSV文件。15个类，每个类有30-50张图片。）

热狗和非热狗图像数据集，共4642张图片 热狗和非热狗图像数据集，共4642张图片 热狗和非热狗图像数据集，共4642张图片

三维物体图像分类数据集，40x40灰度图像的四种不同的原始三维形状，它由480.000张大小为40x40的灰度图像组成，有四种不同的原始三维形状(立方体、球体、锥体、环面)。像素的取值范围为0 ~ 255。