SSD-Pytorch模型训练自己的数据集 windows环境
创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
Python内容推荐
Python-一个构建用于深度学习研究的机器的详细指南
一个构建用于深度学习研究的机器的详细指南。包含安装驱动器、工具和多种深度学习框架的指令
ssd-web-api:ssd课程部分使用的存储库
ssd-web-api 用于ssd课程部分的存储库。
YOLOv11目标检测实战项目.md
YOLOv11目标检测实战项目.md
涂层缺陷视觉检测训练管理平台_基于Anaconda虚拟环境配置与PyTorch231深度学习框架_采用Labelme标注工具进行缺陷标注并转换为VOC2007标准数据集格式_支.zip
涂层缺陷视觉检测训练管理平台_基于Anaconda虚拟环境配置与PyTorch231深度学习框架_采用Labelme标注工具进行缺陷标注并转换为VOC2007标准数据集格式_支.zip
YOLO算法室内办公桌七喜目标检测数据集-220张-包含 VOC 和 Yolo 格式标签-支持多种算法训练模型.zip
页面底部可查看数据集可视化效果; 该数据集可直接接入YOLOv5s/v5m/v5l、YOLOv8n/v8s/v8m、YOLOv10n/v10s、yolo11等轻量级至中型骨干网络进行端到端训练,支持从零训练(from scratch)与迁移学习(fine-tuning)两种模式;包含voc格式和yolo格式标签可直接使用
labelImg.zip
windows下目标检测打标签工具,目标识别, 直接下载
目标检测数据集-下载即用.zip
代码转载自:https://pan.quark.cn/s/a4b39357ea24 1、COCO数据集:首要组成部分是train数据集,其次为val验证数据集,最后是test验证数据集。这些数据包含了物体检测以及keypoints身体关键点的检测任务。 2、VOC2007数据集。
基于深度学习框架YOLOv8目标检测算法训练交通红绿灯数据集_包含10742张图片3类红绿灯信号灯交通信号灯检测数据集_从环境搭建使用conda创建虚拟环境安装PyTorch和ul.zip
基于深度学习框架YOLOv8目标检测算法训练交通红绿灯数据集_包含10742张图片3类红绿灯信号灯交通信号灯检测数据集_从环境搭建使用conda创建虚拟环境安装PyTorch和ul.zip
resnet路径,放在c盘
resnet路径,放在c盘
YOLO算法建筑施工图纸标题栏与表格目标检测数据集-254张-包含 VOC 和 Yolo 格式标签-支持多种算法训练模型.zip
页面底部可查看数据集可视化效果; 该数据集可直接接入YOLOv5s/v5m/v5l、YOLOv8n/v8s/v8m、YOLOv10n/v10s、yolo11等轻量级至中型骨干网络进行端到端训练,支持从零训练(from scratch)与迁移学习(fine-tuning)两种模式;包含voc格式和yolo格式标签可直接使用
YOLO算法室内生物特征采集左手掌右手掌目标检测数据集-3739张-包含 VOC 和 Yolo 格式标签-支持多种算法训练模型.zip
页面底部可查看数据集可视化效果; 该数据集可直接接入YOLOv5s/v5m/v5l、YOLOv8n/v8s/v8m、YOLOv10n/v10s、yolo11等轻量级至中型骨干网络进行端到端训练,支持从零训练(from scratch)与迁移学习(fine-tuning)两种模式;包含voc格式和yolo格式标签可直接使用
DeepSeek:基于深度学习的智能搜索系统基础教程
在当今信息爆炸的时代,快速准确地获取所需信息成为了一个重要的需求。传统的搜索引擎在处理复杂查询时往往存在局限性,而深度学习技术的引入为智能搜索系统带来了新的突破。本文将介绍一个名为“DeepSeek”的智能搜索系统项目,通过深度学习模型实现更精准、更智能的搜索功能。
人脸识别系统源代码
人脸识别系统源代码,包含有.exe可执行文件,可以运行 .
pytorch-vision学习包资源代码分享
pytorch-vision学习包资源代码分享
雨天道路目标检测数据集_3600张_雨天_带标注_VOC_YOLO_白天_晚上_7类目标_汽车_卡车_行人_骑手_自行车_公交车_摩托车_训练_验证_图像_标签_转换_格式_基于Y.zip
雨天道路目标检测数据集_3600张_雨天_带标注_VOC_YOLO_白天_晚上_7类目标_汽车_卡车_行人_骑手_自行车_公交车_摩托车_训练_验证_图像_标签_转换_格式_基于Y.zip
YOLO算法道路路面裂缝与坑洞目标检测数据集-79张-标注类别为裂缝-坑洞-正常.zip
本资源为YOLO算法道路路面裂缝与坑洞目标检测数据集-79张-标注类别为裂缝-坑洞-正常YOLO目标检测数据集。 内容概要: 包含标注好的训练图像和YOLO格式标签文件,可直接用于YOLO系列模型训练。 适用人群: 计算机视觉学习者、目标检测开发者、AI研究人员。 使用场景: 目标检测模型训练、算法验证、学术研究。 说明: 数据集已按标准YOLO格式组织,包含data.yaml配置文件。
基于PyTorch的经典视觉网络复现.zip
基于PyTorch的经典视觉网络复现.zip
YOLO算法城市街道行人与僵尸目标检测数据集-494张-标注类别为行人-僵尸.zip
YOLO算法城市街道行人与僵尸目标检测数据集-494张-标注类别为行人-僵尸.zip
JetsonNano深度学习实现图片分类(第一作者邮箱2905687693@qq.com).docx
本文参照文章https://www.jianshu.com/p/898f8bd91f94(作者简书ID)在Jeston Nano平台上实现基于深度学习的图片分类的过程,包括 Nano系统安装与环境搭建,分类模型简介、构建与实现和目标检测简介与构建,若有相关代码问题可以查查我引用儿简书文章(链接https://www.jianshu.com/p/898f8bd91f94),也欢迎大家询问我这个小白,毕竟刚整理完,知识还是热乎的! 注意:本着资源共享的初衷,因为这篇文章整理也是参照很多CSDN上文章内容收集而成,本人都会在文章中注明!请各位使用该文章时也请先联系本人(2905687693@qq.com),并署名本人CSDN上的ID名后再引用该文,否则任何在网上发布该文章的内容都视为侵犯本人著作权!谢谢! 文章中引用的文章: 1.https://blog.csdn.net/qqqzmy/article/details/96764071(作者ID——Mingyong_Zhuang)和https://blog.csdn.net/qqqzmy/article/details/96729609?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522162134886416780262581708%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=162134886416780262581708&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~baidu_landing_v2~default-3-96729609.first_rank_v2_pc_rank_v29&utm_term=jeston+nano&spm=1018.2226.3001.4187(CSDN作者ID——Mingyong_Zhuang) 2.1. https://blog.csdn.net/qq_33475105/article/details/106044929?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522162134811516780274141776%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=162134811516780274141776&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~first_rank_v2~rank_v29-2-106044929.first_rank_v2_pc_rank_v29&utm_term=nano%E5%AE%89%E8%A3%85ide&spm=1018.2226.3001.4187(CSDN作者ID——Colin.Tan)
带标注的包装袋密封检测数据集数据集,支持voc xml,识别率99.5%,101张图
数据集中的图片,标注信息,训练模型的代码可以点击我的博客链接:https://backend.blog.csdn.net/article/details/160981529?spm=1011.2415.3001.5331
最新推荐




