PPLiteSeg_AutoDrive_demo.zip

基于PPLiteSeg的车道线语义分割算法，自制成可实时调用的API，设置逻辑使其能实时输出相应的转向角度，帮助无人车在沿车道行驶的路况下实现无人驾驶。 博客地址：https://blog.csdn.net/weixin_51331359/article/details/126223158?csdn_share_tail=%7B%22type%22%3A%22blog%22%2C%22rType%22%3A%22article%22%2C%22rId%22%3A%22126223158%22%2C%22source%22%3A%22weixin_51331359%22%7D&ctrtid=KeE3k

PPLiteSeg_CARLA.zip

基于PP-LiteSeg的框架下训练的仿真环境下的语义分割模型，本人对predict函数进行了爆改，来实现了低延时的实时语义分割。 博客地址：https://blog.csdn.net/weixin_51331359/article/details/126137279?csdn_share_tail=%7B%22type%22%3A%22blog%22%2C%22rType%22%3A%22article%22%2C%22rId%22%3A%22126137279%22%2C%22source%22%3A%22weixin_51331359%22%7D&ctrtid=I6dOl

可直接运行的YOLOV7

在YOLOv7原始代码的基础上，配置好model，进行了简单修改；只需配置好环境后，直接运行detect.py，即可实现通过摄像头进行目标检测，种类多达81种，运行速度快，准确高，肥肠好用

YOLOV7_with_API.7z

爆改YOLOV7的detect.py，将其制作成API接口，可供其他程序调用，识别的过程中还会返回识别目标的详细信息（包括：种类、二维坐标位置、置信度），超低延时流畅运行。 博客：https://blog.csdn.net/weixin_51331359/article/details/126012620?csdn_share_tail=%7B%22type%22%3A%22blog%22%2C%22rType%22%3A%22article%22%2C%22rId%22%3A%22126012620%22%2C%22source%22%3A%22weixin_51331359%22%7D&ctrtid=hPPve

ECA_ResNet.zip

使用了ECA注意力机制的ResNet50，可以将训练全过程的数据记录为Excel,支持tensorborad可视化，有着不错的准确率。项目地址：https://blog.csdn.net/weixin_51331359/article/details/124772274?spm=1001.2014.3001.5502

Vit_myself.zip

基于Vision Transformer的图像分类系统，pytorch版本的，训练数据集是植物叶片病害无标注数据集，训练100轮后最高准确率为99.74%，你也可以基于本架构训练你自己的数据集。博客地址：https://blog.csdn.net/weixin_51331359/article/details/124514770?spm=1001.2014.3001.5502

vit_base_patch16_224_in21k.zip

用于Vision Transformer的预训练模型，导入后提高训练准确率起点，有利于模型拟合。

YOLOV5预训练模型.zip

史上最齐全的YOLOv5预训练模型，共10种预训练权重。附带各个权重性能比对图。使用后可以实现目标检测多达80种物体

mobilenet_v2-b0353104.zip

mobilenet_v2的预训练模型，可以用于迁移学习训练。

Densenet121.zip

本人依据Densenet121预训练模型进行迁移学习，可识别柑橘叶片的正常、缺镁、黄龙病三种状态，最高准确率可达99.3%，可通过tensorboard进行训练数据图像的获取。