实验内容如下： 进行二维卷积实验，选做空洞卷积和残差卷积实验； 熟练的掌握卷积神经网络的基本操作； 卷积神经网络的组织架构； 卷积神经网络各参数对其有哪些影响； 空洞卷积和残差卷积的基本原理； 手动和PyTorch.nn两种方式实现卷积神经网络的编程； 压缩包包含内容： torch.nn实现二维卷积车辆分类实验 不同超参数对比 残差卷积实验 空洞卷积实验 前馈神经网络实现车辆分类实验 手动二维卷积实现车辆分类 实验设计说明书。

使用ResNet进行车辆分类，模型保存、模型测试，以及记录的笔记和训练图

使用Xception网络进行车辆分类，内容包含：训练好的一个模型，模型代码，训练代码，评估代码

行业资料-交通装置-一种基于类字典稀疏识别的车辆分类方法.zip

模型是训练好的模型，准确率达到98%可以识别Truck、SUV、SportsCar、Car、Bus、MicroBus、Jeep这个几个类别的汽车，配合Keras_rerinanet加载使用。

rt

夜间车辆检测数据集 内华达大学里诺分校的自主机器人实验室收集并标记了黑暗中车辆分类的数据集。 杰克·柯里（Jack Currie），布伦达·潘（Brenda Penn）和达斯蒂·巴恩斯（Dusty Barnes） 1.地面真相 gt10913.txt中的数据按以下方式组织，用单个空格分隔一行中的每个值。 gt10913.txt文件中的第n行对应于数据目录中的第n个图像，并由每行中的“图像编号”字段表示。 “ x”和“ y”是车辆左上角相对于图像左上角的xy坐标。 图片编号| Num Vehicles | 每辆车[x1 y1宽度高度] 0 4 [139 248 163 80] [272 230 132 49] [382 219 66 36] [425 208 49 39] 2.图片 此数据集包含10913个标有img_0.jpg-> img_10913.jpg的道路夜间图像的灰度图像。

voc数据集，不同车辆分类的数据集； voc数据集，不同车辆分类的数据集

自己整理的车辆类型数据集 一共1500张图片，共分7个类 分别为Bus、Car,SportsCar，MicroBus,Truck,SUV,Jeep，是VOC格式的数据集，用LabelImg工具进行标注，可以转成TFRecord格式的数据集

车辆识别-道路监控视频源（高清 MP4格式），可用于基于视频的车辆识别