摩托和汽车分类数据集,每类数据2000张图片 摩托和汽车分类数据集,每类数据2000张图片 摩托和汽车分类数据集,每类数据2000张图片
2022-12-18 18:29:01 102.83MB 深度学习 摩托 汽车 数据集
汽车零部件分类数据集,一共有14类汽车配件,每类汽车配件的图片数量在50张左右。 汽车零部件分类数据集,一共有14类汽车配件,每类汽车配件的图片数量在50张左右。 汽车零部件分类数据集,一共有14类汽车配件,每类汽车配件的图片数量在50张左右。
2022-12-18 18:28:45 38.08MB 汽车 数据集 零部件 分类
汽车公共数据集,训练模型,用于车辆识别,车型分类。使用提供的2000张,标注了10类汽车的车辆场景分类的高分辨率图片。标签信息: bus,taxi,truck,family sedan,minibus,jeep,SUV,heavy truck,racing car,fire engine.
2022-09-22 20:00:10 901.68MB 汽车数据集 汽车分类 car分类 pytorch分类
1
Darknet版交通场景YOLOv3汽车识别: 1、包含训练好的weights权重文件,以及后缀为cfg、data、names的配置文件,并包含训练map曲线和loss曲线,map到90%以上 2、包含1万张KITTI汽车检测数据集,类别名为car,标签格式为txt和xml两种,分别保存在两个文件夹中 3、检测效果参考:https://blog.csdn.net/zhiqingAI/article/details/12423074
2022-06-03 12:05:22 956.48MB 交通场景YOLOv3汽车识别 YOLOv3汽车识别
Darknet版交通场景YOLOv4车辆检测: 1、包含训练好的weights权重文件,以及后缀为cfg、data、names的配置文件,并包含训练map曲线和loss曲线,map到90%以上 2、包含1万张KITTI汽车检测数据集,类别名为car,标签格式为txt和xml两种,分别保存在两个文件夹中 3、检测效果参考:https://blog.csdn.net/zhiqingAI/article/details/12423074
探索性数据分析-汽车数据集 UCI机器学习存储库 资料来源: : 该项目涉及两个主要分析: 汽车符号值与其车身样式和物理参数的关系 汽车价格与其车身样式,尺寸和发动机规格的关系 用于分析工作的Python笔记本: 参考: 美国公路安全保险学会| 公路损失数据研究所-
2022-05-26 10:08:54 40.65MB JupyterNotebook
1
这是一批车辆的数据集,一共包含三种类型的车辆(机动车),分别是轿车(小型车等)、巴士(公交车等)和卡车(货车等),可用于人工智能目标检测算法的研究。图片的数量为1000张,尺寸为1024x1024,RGB彩图,是卫星拍摄的可见光成像。标签已经全部打好,标签的格式为pascal voc格式(xml)。
Streamlit演示:Udacity自动驾驶汽车图像浏览器 该项目将和演示到交互式应用程序中。 完整的演示并说明了Streamlit的所有主要构建块。 如何运行这个演示 pip install --upgrade streamlit opencv-python streamlit run https://raw.githubusercontent.com/streamlit/demo-self-driving/master/streamlit_app.py 问题? 注释? 请在提问。
2022-03-14 19:16:01 4.8MB Python
1
3D对象表示是用于多视图对象类检测和场景理解的宝贵资源。细粒度识别是计算机视觉的一个不断发展的子领域,在区分细微的外观差异方面有许多实际应用。这些汽车数据集包含用于组建模型的出色培训和测试集,可以相互区分汽车。 Stanford Cars Dataset_datasets.txt Stanford Cars Dataset01_datasets.zip Stanford Cars Dataset02_datasets.zip Stanford Cars Dataset03_datasets.zip
2021-12-17 16:36:21 1.82GB 数据集
1
matlab编程水印程序代码托管代码: 使用Pytorch / Resnet进行汽车检测34 需要Jupyter Notebooks支持; 在启用了GPU资源的Google Colab上进行开发和测试。 用法 跑步 在Google Colab中,确保已启用GPU运行时,然后按顺序运行每个单元。 该程序将下载所有培训,验证和测试数据以及数据标签。 然后,程序将按标签中的数据预处理所有数据。 然后将开始对resnet-34模型进行再培训。 将加载模型进行测试,单元将在其中随机选择要测试的测试图像。 基本信息 数据集包含16185个汽车图像,分为196个类别。 其中8,144张图像是训练图像,而8,041张图像是测试图像。 每个类别都是特定的汽车年份,品牌和型号; 这些类别中的每个类别都映射到一个介于1到196之间的数值。每个数字类别值都以[制作模型年]的格式(即:Hyundai Sonata 2012)映射到一个字符串。 数据由一系列matlab文件标记,这些文件带有边界框的坐标,其相应的类号和文件名。 每个图像以像素为单位的边界框的坐标很重要,因为某些图像是汽车经销商的广告,图像中带有无
2021-11-24 16:39:30 657KB 系统开源
1