垃圾分类数据集2.4万张(不可回收垃圾和可回收垃圾两类).zip

垃圾分类数据集2.4万张(不可回收垃圾和可回收垃圾两类).zip垃圾分类数据集2.4万张(不可回收垃圾和可回收垃圾两类).zip垃圾分类数据集2.4万张(不可回收垃圾和可回收垃圾两类).zip垃圾分类数据集2.4万张(不可回收垃圾和可回收垃圾两类).zip垃圾分类数据集2.4万张(不可回收垃圾和可回收垃圾两类).zip垃圾分类数据集2.4万张(不可回收垃圾和可回收垃圾两类).zip 【数据集说明】 该数据集是图片数据，分为训练集85%（Train）和测试集15%（Test）。其中O代表Organic（不可回收垃圾），R代表Recycle（可回收垃圾） resnet18算法识别准确率达到98.6% 【数据集说明】 该数据集是图片数据，分为训练集85%（Train）和测试集15%（Test）。其中O代表Organic（不可回收垃圾），R代表Recycle（可回收垃圾） resnet18算法识别准确率达到98.6% 【数据集说明】 该数据集是图片数据，分为训练集85%（Train）和测试集15%（Test）。其中O代表Organic（不可回收垃圾），R代表Recycle（可回收垃圾）

课程作业新项目-基于Python爬取中国天气网各省份24时整点气象数据及数据可视化源码(含项目说明+代码注释).zip

课程作业新项目-基于Python爬取中国天气网各省份24时整点气象数据及数据可视化源码(含项目说明+代码注释).zip 【项目说明】 爬取数据 使用python爬虫，爬取中国天气网各省份24时整点气象数据 由于降水量为动态数据，以js形式进行存储，故采用selenium方法经xpath爬取数据 ps：在进行数据爬取时，最初使用的方法是漂亮汤法（beautifulsoup）法，但当输出爬取的内容（<class = split>时，却空空如也。在源代码界面Ctrl+Shift+F搜索后也无法找到降水量，后查询得知此为动态数据，无法用该方法进行爬取 使用循环和分类的方式爬取省份不同、网址相似的降水量数据，顺带记录数据对应的城市 【备注】 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！有问题请及时沟通交流。 2、适用人群：计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。 3、用途：项目具有较高的学习借鉴价值，不仅适用于小白学习入门进阶。也可作为毕设项目、课程设计等！

毕设新项目基于Python+Django+LSTM的空气质量监测及预测系统(带详细注释+数据集).zip

毕设新项目基于Python+Django+LSTM的空气质量监测及预测系统(带详细注释+数据集).zip 【备注】 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！有问题请及时沟通交流。 2、适用人群：计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。 3、用途：项目具有较高的学习借鉴价值，不仅适用于小白学习入门进阶。也可作为毕设项目、课程设计、大作业、初期项目立项演示等。 4、如果基础还行，或热爱钻研，亦可在此项目代码基础上进行修改添加，实现其他不同功能。 欢迎下载！欢迎交流学习！ 毕设新项目基于Python+Django+LSTM的空气质量监测及预测系统(带详细注释+数据集).zip 毕设新项目基于Python+Django+LSTM的空气质量监测及预测系统(带详细注释+数据集).zip 毕设新项目基于Python+Django+LSTM的空气质量监测及预测系统(带详细注释+数据集).zip 有任何使用问题，请与我私信沟通

基于卷积神经网络+Pyqt5+opencv实现人员离岗检测告警系统(含使用说明+模型+运行视频).zip

基于卷积神经网络+Pyqt5+opencv实现人员离岗检测告警系统(含使用说明+模型+运行视频) 1、先安装anaconda和pycharm 路径最好别搞中文 2、在anaconda中新建虚拟空间，创建python==3.8 3、在python==3.8的空间进行安装必要的安装包(见requirements.txt) 4、完成3步后，在pycharm中打开项目，并导入anaconda中的python环境(python3.8的) 5、运行main.py即可打开系统界面，开始操作； 特别强调： 实时检测固定视角本地视频、或者网络视频流时。 以本地视频为例，绘制危险区域 运行提取背景.py得到background.png，通过电脑自带”画图“工具打开，鼠标光标所在位置，在左下角有该点坐标显示 以这种方式，选取并记录危险区域左上顶点和右下顶点的xy坐标，并修改main.py中对应代码161行即可。 【备注】 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！有问题请及时沟通交流。 2、适用人群：计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。 3、用途：项目具有较高的学习借鉴价值，不仅适用于小白学习入门进阶。也可作为毕设项目、课程设计、大作业、初期项目立项演示等。 4、如果基础还行，或热爱钻研，亦可在此项目代码基础上进行修改添加，实现其他不同功能。 欢迎下载！欢迎交流学习！有问题请及时私信沟通！包答疑！ 拒绝垃圾、不完整、无使用教程的项目！

基于深度学习的废旧物识别分类回收系统python源码(带GUI界面+模型+数据集+使用说明+运行视频).zip

基于深度学习的废旧物识别分类回收系统python源码(带GUI界面+模型+数据集+使用说明+运行视频) 【环境搭建】 需要安装如下包 python3.8 matplotlib numpy opencv-python Pillow PyYAML scipy torch torchvision tqdm pyqt5 建议pycharm中打开运行项目，安装anaconda，在anaconda中配置python环境，python版本不建议太高，3.8或者3.7就行，免得不兼容，pycharm导入anaconda中的python解释器，anaconda中安装必要的软件包。 【训练过程】 1、先删除datasets文件夹中train.txt和val.txt里的内容。 2、修改Build_all_classes_path_to_txt.py文件中folder_path和txtfile_path的路径，照葫芦画瓢。改成自己的文件路径，需要执行两次，分别生成train.txt和val.txt(也就是数据集图片的路径及标签) 3、如果是训练其他数据，那就需要修改config.py中的配置内容了，如果不需要训练其他数据集，则不需修改。 4、运行train.py开始训练 【预测】 直接运行predict_gui.py打开GUI界面即可，可以任意操作。 也可以运行predict.py，不要GUI。 资源内已经含有数据集、使用说明、运行视频、训练方法、预测方法、训练好的模型 【备注】 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！有问题请及时沟通交流。 2、适用人群：计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。 3、用途：项目具有较高的学习借鉴价值，不仅适用于小白学习入门进阶。也可作为毕设项目、课程设计、大作业、初期项目立项演示等。 4、如果基础还行，或热爱钻研，亦可在此项目代码基础上进行修改添加，实现其他不同功能。 欢迎下载！欢迎交流学习

新毕设项目-分别基于CNN和RNN网络实现中文文本类型识别分类系统python源码(含10类文本数据集+超详细注释).zip

新毕设项目-分别基于CNN和RNN网络实现中文文本类型识别分类系统python源码(含10类文本数据集+超详细注释).zip 【备注】 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！有问题请及时沟通交流。 2、适用人群：计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。 3、用途：项目具有较高的学习借鉴价值，不仅适用于小白学习入门进阶。也可作为毕设项目、课程设计、大作业、初期项目立项演示等。 4、如果基础还行，或热爱钻研，亦可在此项目代码基础上进行修改添加，实现其他不同功能。 欢迎下载！欢迎交流学习 【资源说明】 1、该新项目分别使用RNN、CNN网络实现中文文本类型识别分类。 2、文本数据来自新闻，包含体育，科技，游戏，财经，房产，家居等各方面。 3、可自己训练模型及预测。 4、项目源码带有超详细注释，容易理解和掌握，欢迎学习借鉴！ 5、项目也属于新闻标题、内容分类，可以用于新闻标题分类系统等 6、可以基于此进行各种二次开发！ 欢迎下载！欢迎交流学习！

乳腺癌细胞和正常细胞分类识别数据集13403张.zip

乳腺癌细胞和正常细胞分类识别数据集13403张.zip 乳腺癌细胞和正常细胞分类识别数据集13403张.zip 乳腺癌细胞和正常细胞分类识别数据集13403张.zip 【数据集介绍】 1、该数据集包含两类图片，分别为正常细胞图片、乳腺癌细胞图片，已做好划分，图片像素为50*50，可自定义根据算法需求缩放 2、改数据集属于分类数据集、非目标检测数据，不可用于yolo目标检测算法；适用于resnst、vgg、mobilenet、lenet等等分类模型。 3、属于2分类数据集，适用于作业、课设、毕设、算法验证等各种项目使用！ 欢迎下载使用！欢迎交流学习！

基于YOLOv5实现单目摄像头目标距离检测项目python源码+使用说明+模型(毕设新项目).zip

基于YOLOv5实现单目摄像头目标距离检测项目python源码+使用说明+模型(毕设新项目).zip 目标检测：YOLOv5可以检测图像中的各种目标，并标记出它们的位置和类别 目标尺寸估计：通过YOLOv5检测到的目标在图像中的尺寸大小，结合目标物体的实际尺寸或已知的参考物体尺寸，可以推断目标距离摄像头的远近 视差计算：通过目标在图像中的像素坐标位置，结合摄像头参数和目标尺寸信息，可以计算出目标与摄像头之间的视差，从而推断目标距离。 【项目说明】 本项目为新开发的单目摄像头测距项目， 【备注】 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！有问题请及时沟通交流。 2、适用人群：计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。 3、用途：项目具有较高的学习借鉴价值，不仅适用于小白学习入门进阶。也可作为毕设项目、课程设计、大作业、初期项目立项演示等。 4、如果基础还行，或热爱钻研，亦可在此项目代码基础上进行修改添加，实现其他不同功能。 欢迎下载！欢迎交流学习

基于Pytorc框架CNN网络开发的露天停车位识别检测计数系统源码+使用说明+数据集+模型(可训练其他模型及二次开发).zip

基于Pytorch深度学习框架CNN网络开发的露天停车位识别检测计数系统源码+使用说明+数据集(可训练其他模型及二次开发) 操作説明： 备注：视频或者图片为露天停车场，如果有新的视频场景，需要重新按照流程在做opencv处理生成spot_dict.pickle,以及使用resnet18训练分类模型（停车位占用与停车空置） 整体流程 【前期准备】 1、执行data_process.py生成车位字典文件spot_dict.pickle 2、执行train.py训练resnet18二分类模型（模型以训练好，在checkpoints里面）--训练集已经制作好，可直接训练 【测试图片或者视频】 1、根据自己情况，修改test.py中的parser.add_argument中的参数（有提示），执行test.py即可 备注：检测视频时，因为单帧处理速度有些慢，不要着急，测试结果视频会在VideoInfer_result文件夹中。 建议pycharm中打开运行项目，安装anaconda，在anaconda中配置python环境，python版本不建议太高，3.8或者3.7就行，免得不兼容，pycharm导入anaconda中的python解释器，anaconda中安装必要的软件包。 特别强调：项目代码也包含了其他CNN算法实现：如mobilenetv2、mobilenetv3、repvgg。也可以用这些网络训练模型做对比测试。 【备注】 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！有问题请及时沟通交流。 2、适用人群：计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。 3、用途：项目具有较高的学习借鉴价值，不仅适用于小白学习入门进阶。也可作为毕设项目、课程设计、大作业、初期项目立项演示等。 4、如果基础还行，或热爱钻研，亦可在此项目代码基础上进行修改添加，实现其他不同功能。 欢迎下载！欢迎交流学习

基于深度学习LPRnet算法实现的车牌识别车标识别检测系统python源码+模型+项目部署说明(毕设新项目).zip

【备注】 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！有问题请及时沟通交流。 2、适用人群：计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。 3、用途：项目具有较高的学习借鉴价值，不仅适用于小白学习入门进阶。也可作为毕设项目、课程设计、大作业、初期项目立项演示等。 4、如果基础还行，或热爱钻研，亦可在此项目代码基础上进行修改添加，实现其他不同功能。 欢迎下载！欢迎交流学习 车标识别检测模型： \chebiao_rec\runs\exp_chebiao\weights文件夹中 #项目运行步骤 1、pip install -r requirements.txt，安装里面的软件包 2、确保安装成功后再运行detect.py 备注：项目不要有中文路径，另外建议pycharm中打开项目运行，在anaconda中配置python环境并安装软件包 该项目可以直接识别出车牌+车标 ，识别结果存放在\inference\output文件夹下 车牌准确率98%，车标识别94