Bdd100k数据集，涵盖了不同车型在不同天气条件下以及在白天和夜晚的图片.数据集预处理进行了增强处理,其中包括:亮度调整、图像模糊、图像加噪、翻转旋转变换等,数据集包含9000余张图片.训练集、验证集、测试集比例约为8:1:1.

基于yolov5算法的深度学习目标检测程序。YOLOV5：You Only Look Once目标检测模型在pytorch当中的实现（edition v5.0 in Ultralytics）支持多GPU训练，新增各个种类目标数量计算，新增heatmap；将正样本匹配过程加入dataloader，加快了运算速度；加入EMA效果变好。 2022-02:仓库创建，支持不同尺寸模型训练，分别为s、m、l、x版本的yolov5、支持step、cos学习率下降法、支持adam、sgd优化器选择、支持学习率根据batch_size自适应调整、新增图片裁剪。

车牌检测数据集，YOLOv5可以直接训练

YOLOv5训练车辆类型识别TXT数据集.自己整理的车辆类型数据集 一共1400张图片，共分7个类別， 分别为Bus，Car，SportsCar，MicroBus，Truck，SUV，Jeep是TXT格式的数据集，用LabelImg工具进行标注，可以转成TFRecord格式的数据集训练效果非常完美。里面含有权重比例文件，可直接拿来训练。

之前在用预训练的ResNet的模型进行迁移训练时，是固定除最后一层的前面层权重，然后把全连接层输出改为自己需要的数目，进行最后一层的训练，那么现在假如想要只是把 最后一层的输出改一下，不需要加载前面层的权重，方法如下： model = torchvision.models.resnet18(pretrained=False) num_fc_ftr = model.fc.in_features model.fc = torch.nn.Linear(num_fc_ftr, 224) model = nn.DataParallel(model, device_ids=config.gpus).to

共8178张 训练集：测试集 为9：1 即 7275：903 主要为中小目标、密集目标，可作为小目标车辆训练检测 由于上传文件大小限制原因，内含网盘链接与提取码，请自行下载

BDD100K数据集，包含所有的训练集和测试集，以及darknet文件，可以直接训练

约4000张不带口罩的人脸图片+4000张带口罩的人脸图片，含标注文件，符合YOLOv5格式，可直接训练。

细胞图像数据，可用于U-net语义分割训练。

AI目标检测、戴口罩识别数据集，yolo标注，直接训练识别模型 AI目标检测、戴口罩识别数据集，yolo标注，直接训练识别模型 AI目标检测、戴口罩识别数据集，yolo标注，直接训练识别模型 AI目标检测、戴口罩识别数据集，yolo标注，直接训练识别模型 AI目标检测、戴口罩识别数据集，yolo标注，直接训练识别模型 AI目标检测、戴口罩识别数据集，yolo标注，直接训练识别模型 AI目标检测、戴口罩识别数据集，yolo标注，直接训练识别模型 AI目标检测、戴口罩识别数据集，yolo标注，直接训练识别模型 AI目标检测、戴口罩识别数据集，yolo标注，直接训练识别模型 AI目标检测、戴口罩识别数据集，yolo标注，直接训练识别模型 AI目标检测、戴口罩识别数据集，yolo标注，直接训练识别模型 AI目标检测、戴口罩识别数据集，yolo标注，直接训练识别模型 AI目标检测、戴口罩识别数据集，yolo标注，直接训练识别模型 AI目标检测、戴口罩识别数据集，yolo标注，直接训练识别模型 AI目标检测、戴口罩识别数据集，yolo标注，直接训练识别模型 AI目标检测、戴口罩识别数据集，yolo