著名的图片分类数据集，原版的在CSDN已经有很多了，这一个版本的是我将原版的数据集导出成图片格式，同时用json文件来标注图片的类别。 本资源只包含CIFAR-10数据集中的训练集（5万张图片），测试集在我上传的其他资源中有。 压缩包内需要包括png格式的图片源文件及同名的json格式标注文件，可直接导入EasyDL中使用。 关于本数据集的官方介绍，请参见： http://www.cs.toronto.edu/~kriz/cifar.html

百度AI easyDL ，token 和 json 解析Camera.frm 主要调用窗体， 获取token，解析反馈结果，base64结果

上位机采用QT设计，算法框架模型采用百度飞浆EasyDL。 资料包里包含了上位机源码、可执行文件，模型训练，数据集标注，测试效果，模型发布的教程文档，代码设计思路等。本资料属于拿到即可使用，直接完成项目设计，检测各种驾车状态。

百度EasyDL是零门槛AI开发平台，提供从数据采集、标注、清洗到模型训练、部署的一站式AI开发能力。对于各行各业有定制AI需求的企业用户来说，无论您是否具备AI基础，EasyDL设计简约，极易理解，最快5分钟即可上手学会，15分钟完成模型训练。本资源提供了将自己的图像分类任务训练并且通过公有云部署以后使用微信小程序部署给用户使用，使用简单，通过修改您训练的模型的AK和SK即可对接入该小程序，同时该小程序更可以在您的开发下拓展百度EasyDL的目标检测，图像分类等各种任务需求。

上位机采用QT设计，算法框架模型采用百度飞浆EasyDL。 资料包里包含了上位机源码、可执行文件，模型训练，数据集标注，测试效果，模型发布的教程文档，代码设计思路等。 这是基于百度飞浆EasyDL框架完成司机疲劳驾驶检测，只需要少量的图片就可以训练出精度较高的模型，通过QT编写界面，软件从摄像头里读取实时图像数据进行识别。 识别到模型后，会进行计数，在界面上显示出来。比如：带安全带、未带口罩、疲劳驾驶。疲劳驾驶是通过打哈欠的方式标注模型，识别驾驶员是否张大嘴打哈欠。 代码部分思路： （1）通过QT的UI设计工具，设计出好看的界面，设置背景图，控件的布局，QT里UI文件是.ui为后缀。 （2）软件界面上有开启摄像头的按钮，打开摄像头之后，会实时读取摄像头的图像数据，然后调用EasyDL的模型进行识别。 （3）识别到对应标注的模型之后，可以进行语音提示，并且在界面进行计数显示。

著名的图片分类数据集，原版的在CSDN已经有很多了，这一个版本的是我将原版的数据集导出成图片格式，同时用json文件来标注图片的类别。 本资源只包含CIFAR-10数据集中的测试集， 训练集链接：https://download.csdn.net/download/sinat_22481983/12232436 压缩包内需要包括png格式的图片源文件及同名的json格式标注文件，可直接导入EasyDL中使用。 关于本数据集的官方介绍，请参见： http://www.cs.toronto.edu/~kriz/cifar.html

用C#实现的easydl定制图片识别。 案例删除了定制图片识别的API key和Secret key，使用时记得替换， 另外host的地址，也需要更改为自己定制的地址，使用时注意。

easyDL和PaddleX.docx

easydl2labelImg easydl数据集导出到labelImg工具 数据集导出并没有官方的api，本工具模拟浏览器下载实现，因官方可能调整相关链接及参数，并不能保证以后一定可用 1 将本代码下载到本地 2 正常登录自己的百度账号，进入物体检测数据集页面 3 使用cookie工具导出当前cookie到cookie.txt文件，格式为 Netscape HTTP Cookie File 4 记下要导出的数据集id备用 代码基于python 3.6，不同版本请自行修改代码调试 参考test.py,一个语句就可以完成数据集的导出（参数为数据集id和labelImg数据目录，labelImg目录需要预先建好） 代码调用方式(参考test.py) import easydl2labelImg easydl2labelImg.downloaddateset(20076,r"C:\Users\K

内有四个分类,分别是苹果、香蕉、橘子以及混合水果。 该压缩包可直接上传至百度EasyDL平台进行模型训练。