深度学习

基于深度学习+目标检测+mysql数据处理+UI界面的烟厂飞蛾识别检测系统源码.zip

基于深度学习+目标检测+mysql数据处理+UI界面的烟厂飞蛾识别检测系统源码.zip基于深度学习+目标检测+mysql数据处理+UI界面的烟厂飞蛾识别检测系统源码.zip基于深度学习+目标检测+mysql数据处理+UI界面的烟厂飞蛾识别...

机器学习+深度学习+生成对抗网络+基于生成对抗网络的Hi-C数据增强方法+毕业设计

机器学习+深度学习+生成对抗网络+基于生成对抗网络的Hi-C数据增强方法+毕业设计 机器学习+深度学习+生成对抗网络+基于生成对抗网络的Hi-C数据增强方法+毕业设计 机器学习+深度学习+生成对抗网络+基于生成对抗网络...

十分钟入门深度学习（MATLAB深度学习+病虫害识别）

本系列课程利用MATLAB进行深度学习，课程将从数据集设置、模型搭建、模型训练、模型测试等方面，深入介绍MATLAB深度学习工具箱。最后利用一个实例——多种果树病虫害识别。

基于深度学习+opencv的python车牌识别系统源码+PPT（Python毕业设计）.zip

基于深度学习+opencv的python车牌识别系统源码+PPT（Python毕业设计）.zip 已获导师认可通过的高分项目，基于深度学习+opencv的python车牌识别系统源码.zip 可作为毕业设计、课程设计、期末大作业等，下载即用，无需...

基于深度学习+SSM的停车场收费管理系统完整源码+车牌识别+报告文档.zip

基于深度学习+SSM的停车场收费管理系统完整源码+车牌识别+报告文档.zip 基于SSM框架的停车场管理系统，包含利用Python实现的基于OPencv的车牌照识别功能以及计算停车费等功能。 基于深度学习+SSM的停车场收费管理...

基于深度学习+Vue+Flask的水果识别分类系统源码+模型+项目操作说明.zip

基于深度学习+Vue+Flask的水果识别分类系统源码+模型+项目操作说明 1、本项目使用迁移学习技术，对在ImageNet数据集上带有预训练权重VGG16、ResNet50、MobileNetV2、DenseNet121模型进行微调，然后将其用在水果数据...

使用深度学习+tf+kears完成垃圾分类

使用深度学习+tf+kears完成垃圾分类

深度学习keras快速入门+tensorflow&keras;深度学习+python数值分析基础.rar

包括深度学习keras快速入门+tensorflow&keras;深度学习+python数值分析基础三个资源

深度学习+机器学习实战数据集

深度学习+机器学习实战数据集全套： 机器学习实战1-四种算法对比对客户信用卡还款情况进行预测.csv 深度学习实战1-(keras框架)企业数据分析与预测.csv 深度学习实战2-(keras框架)企业信用评级与预测.xls 深度学习...

c#联合halcon深度学习+MNIST数据集学习与识别

内容：通过C#联合halcon编程，实现对深度学习的逐步实现，并且以MNIST数据集的学习识别为应用实例，最终实现对其中的数字进行准确识别。 适用人群：深度学习初学者 场景及目标：一般深度学习应用场景，如字符识别等 ...

anaconda+pycharm+python基础+进阶+机器学习+深度学习+数据库等学习教程

anaconda+pycharm+python基础+进阶+机器学习+深度学习+数据库等学习教程

深度学习+Pytorch+LSTM+文本分类实战

深度学习+Pytorch+LSTM+文本分类实战

人工智能技术图谱(包含机器学习+深度学习+深度学习框架下的神经网络等)

人工智能技术图谱(包含机器学习+深度学习+深度学习框架下的神经网络+应用场景)，适合初学者

人工智能+深度学习+tensorflow学习资料

人工智能+深度学习+tensorflow学习资料

深度学习+tf

涉及深度学习各个领域，包括三大类框架CNN.RNN MLP；都是使用tensorflow实现的；还包括深度学习推荐算法；是一个学习tensorflow和深度学习实践的好文档

机器学习深度学习+特征选择+Feature Selection

机器学习深度学习+特征选择+Feature Selection

深度学习+期末复习题+总结

我自己总结的一些题目，仅供参考！

深度学习+离线配置环境+pytorch

深度学习+离线配置环境+pytorch

YOLOv8-deepsort 实现智能车辆目标检测+车辆跟踪+车辆计数

本资源纯属免费，不收任何钱和任何积分，纯粹为爱发电，本资源已经为大家整合好了的，看我的博客部署好直接用：https://blog.csdn.net/Little_Carter/article/details/133610076?spm=1001.2014.3001.5501 资源原本项目源码地址：https://github.com/MuhammadMoinFaisal/YOLOv8-DeepSORT-Object-Tracking 本资源提供了基于YOLOv8-deepsort算法的智能车辆目标检测、车辆跟踪和车辆计数的实现方案。首先，利用YOLOv8算法对视频中的车辆目标进行检测，并对检测到的目标进行标记。然后，通过deepsort算法对标记的车辆目标进行跟踪，实现车辆目标的持续跟踪。最后，根据跟踪结果对车辆数量进行统计，实现车辆计数功能。本资源提供了完整的代码实现和详细的使用说明，帮助读者快速掌握基于YOLOv8-deepsort的智能车辆目标检测、车辆跟踪和车辆计数技术。

YOLOv8网络结构图，自制visio文件，yolov8.vsds，需要的自取，在原有的基础上直接改就行了

YOLOv8网络结构图，自制visio文件，yolov8.vsds，需要的自取，在原有的基础上直接改就行了

yolov8(2023年8月版本),已经下好yolov8s.pt和yolov8n.pt

yolov8(2023年8月版本),已经下好yolov8s.pt和yolov8n.pt，需要创建的文件夹都以创建，方便大家不用再去GitHub下载 可以搭配该博客：https://blog.csdn.net/weixin_43366149/article/details/132206526?spm=1001.2014.3001.5501

Transformer模型实现长期预测并可视化结果（附代码+数据集+原理介绍）

这篇文章给大家带来是Transformer在时间序列预测上的应用，这种模型最初是为了处理自然语言处理（NLP）任务而设计的，但由于其独特的架构和能力，它也被用于时间序列分析。Transformer应用于时间序列分析中的基本思想是：Transformer 在时间序列分析中的应用核心在于其自注意力机制，这使其能够有效捕捉时间序列数据中的长期依赖关系。通过并行处理能力和位置编码，Transformer 不仅提高了处理效率，而且确保了时间顺序的准确性。其灵活的模型结构允许调整以适应不同复杂度这篇文章给大家带来是Transformer在时间序列预测上的应用，这种模型最初是为了处理自然语言处理（NLP）任务而设计的，但由于其独特的架构和能力，它也被用于时间序列分析。Transformer应用于时间序列分析中的基本思想是：Transformer 在时间序列分析中的应用核心在于其自注意力机制，这使其能够有效捕捉时间序列数据中的长期依赖关系。通过并行处理能力和位置编码，Transformer 不仅提高了处理效率，而且确保了时间顺序的准确性。定制化训练个人数据集进行训练利用python和pytorch实现

社交平台上经济类话题的文章热度信息，数据是真实的，但不是真实日期

使用LSTM模型进行时序预测的代码与说明见：https://blog.csdn.net/Q_M_X_D_D_/article/details/109366895

Unet眼底血管图像分割数据集+代码+模型+系统界面+教学视频.zip

本资源配套对应的视频教程和图文教程，手把手教你使用Unet做眼底图像分割的训练、测试和界面封装，包含了Unet原理的解析、处理好的训练集和测试集、训练和测试的代码以及训练好的模型，并封装为了图形化界面，只需点击上传按钮上传图像即可完成眼底图像的预测。 随着生活水平的提高，眼科疾病以及心脑血管疾病的发病率呈现逐年增长的趋势。视网膜血管是这类疾病诊断和监测的重要信息来源，其形态和状况的变化可以反映出许多疾病的早期病理变化。然而，由于受眼底图像采集技术的限制以及视网膜血管自身结构的复杂性和多变性，使得视网膜血管的分割变得非常困难。传统方法依靠人工手动分割视网膜血管，不仅工作量巨大，极为耗时，而且受主观因素影响严重。通过眼底血管图像分割可以提高诊断准确性、效率以及推动科学研究和改进治疗方法等方面。 B站主页：https://space.bilibili.com/161240964 C站主页：https://blog.csdn.net/ECHOSON

行人跌倒数据集（VOC格式）

行人跌倒数据集（VOC格式）

YOLOV5 + 双目相机实现三维测距（新版本）

YOLOV5 + 双目相机实现三维测距（新版本）

全新的SOTA模型YOLOv9

当今的深度学习方法专注于如何设计最合适的目标函数，以使模型的预测结果尽可能接近真实值。同时，还需要设计一个合适的架构，以便获取足够的信息进行预测。现有方法忽略了一个事实：当输入数据经过逐层的特征提取和空间变换时，会丢失大量信息。本文将深入探讨数据在深度网络中传输时数据丢失的重要问题，即信息瓶颈和可逆函数问题。我们提出了可编程梯度信息（PGI）的概念，以应对深度网络实现多个目标所需的各种变化。PGI能够为目标任务提供完整的输入信息，以计算目标函数，从而获得可靠的梯度信息以更新网络权重。此外，我们还设计了一种基于梯度路径规划的新型轻量级网络架构——广义高效层聚合网络（GELAN）。GELAN的架构证明了PGI在轻量级模型上获得了优越的结果。我们在基于MS COCO数据集的目标检测上验证了所提出的GELAN和PGI。结果显示，GELAN仅使用传统的卷积运算符就实现了比基于深度卷积的最新方法更好的参数利用率。PGI可用于从轻量级到大型的各种模型，它可以获取完整信息，使得从零开始训练的模型比使用大型数据集预训练的最新模型获得更好的结果，比较结果如图1所示。

YOLOV5口罩检测数据集+代码+模型 2000张标注好的数据+教学视频.zip

YOLOV5口罩检测数据集+代码+模型 2000张标注好的数据+教学视频 代码的下载地址在：https://gitee.com/song-laogou/yolov5-mask-42 大家可以按照这里的视频教程配置环境：https://www.bilibili.com/video/BV1YL4y1J7xz/ 更多数据请看：https://blog.csdn.net/ECHOSON/article/details/121892887 遇到问题请小伙伴通过私信联系作者，感谢大家的支持！

Deep Learning Tuning Playbook（中译版）

由五名研究人员和工程师组成的团队发布了《Deep Learning Tuning Playbook》，来自他们自己训练神经网络的实验结果以及工程师的一些实践建议，目前在Github上已有1.5k星。此版本为中文翻译版，提供给大家免费下载，因为本人知识水平有限，翻译过程中可能有误，随时欢迎大家指出错误，我会随时更正。

pycharm连接autodl服务器（yolov8训练自己的数据集）

里面没写怎么配置yolov8环境，这个参考官方文档就行很简单一行代码即可