yolov5模型，图像训练

数据集介绍：https://seungjunnah.github.io/Datasets/reds.html 用于训练去模糊算法的数据集，包含清晰和模糊图片各24000张，包含240个场景，24000对模糊和清晰的图片。

含有数据集标注、视频标注文档规范、darknet训练步骤，及一些脚本文件

yolov3_OpenImage图像训练教程 https://blog.csdn.net/LuohenYJ/article/details/88581335

带板检测的车辆速度估算 该项目的主要目标是使用深度学习和机器学习算法来识别超速车辆。 从视频中获取一系列图像后，使用Haar Cascade分类器检测卡车。 使用大量正负图像训练分类器模型，以制作XML文件。 接下来是跟踪车辆并借助其各自的位置，ppm（每米像素）和fps（每秒帧）来估计车辆的速度。 现在，已识别卡车的裁剪图像将被发送以进行车牌检测。 CCA（连接组件分析）有助于进行车牌检测和字符分割。 使用字符图像（20X20）对SVC模型进行训练，并且为了提高准确性，还完成了4次交叉折叠验证（机器学习）。 该模型有助于识别分段字符。 识别后，将卡车的计算出的速度及其车牌号一起输入到excel表中。 还为这些卡车分配了一些ID，以生成系统化的数据库。 要运行Speed_Detection _＆_ License_Plate_Detection.py，请按照以下步骤操作： 从此站点下载

深圳电信培训中心的徐海蛟博士教学用的真正的Corel-5K图像数据集。5000张图片，标注词，训练数据，测试数据。特征提取说明。吐血奉献！ 这是真正的Corel-5K图像集，共包含科雷尔（Corel）公司收集整理的5000幅图片，故名：Corel-5K，童鞋们可用于科学图像实验：分类、检索等。Corel-5k数据集是图像实验的事实标准数据集。 Corel图像库是科雷尔（Corel）公司收集整理的较为丰富的图像库涵盖多个主题。Corel图像库由若干个CD组成，每个CD包含100张大小相等的图像，可以转换成多种格式。每张CD代表一个语义主题，例如有公共汽车、恐龙、海滩等。 Corel-5k自从被提出用于图像标注实验后，已经成为图像实验的标准数据集，被广泛应用于标注算法性能的比较。Corel5k由50张CD组成，包含50个语义主题。 Corel-5k图像库通常被分成三个部分： 4000张图像作为训练集，500张图像作为验证集用来估计模型参数，其余500张作为测试集评价算法性能。使用验证集寻找到最优模型参数后4000张训练集和500张验证集混合起来组成新的训练集。 该图像库中的每张图片被标注1~5个标注词，训练集中总共有374个标注词，在测试集中总共使用了263个标注词。 童鞋们自己去提取相关低层视觉特征：Rgb Lab Hsv Sift Gist HOG等等。 童鞋们完成 svm knn adaboost 逻辑回归 随机森林 mimlsvm mimlknn mimlboost 自定义算法 等等多类与多标签实验吧。Go, ...

使用到的舌头图像数据，进行了简单的图像预处理；使用到的舌头图像数据，进行了简单的图像预处理；使用到的舌头图像数据，进行了简单的图像预处理；使用到的舌头图像数据，进行了简单的图像预处理；使用到的舌头图像数据，进行了简单的图像预处理

图像清晰，目标明显，易标注

图像分类-卷积神经网络：使用MNIST时尚数据集，构建了卷积神经网络将图像分类为10个类别之一。 使用TensorFlow Framework和Keras库实现了CNN。 在Google Colab上以60,000张图像训练模型

舌头图像训练数据集舌头图像训练数据集