Advertisement

PyTorch实现中药分类识别(含训练代码和数据集).txt

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
本文件提供了一个使用PyTorch进行中药图像分类识别的项目，包含详细的模型训练代码及标注数据集。适合对深度学习与中药研究感兴趣的开发者参考。 深度学习实现中草药识别可以通过使用Pytorch进行中药材分类识别，并包含训练代码和数据集。此外，还有一个名为Chinese-Medicine-163的中草药图片数据集可供使用。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • PyTorch实现中药分类识别(含训练代码和数据集).txt
    优质
    本文件提供了一个使用PyTorch进行中药图像分类识别的项目，包含详细的模型训练代码及标注数据集。适合对深度学习与中药研究感兴趣的开发者参考。 深度学习实现中草药识别可以通过使用Pytorch进行中药材分类识别，并包含训练代码和数据集。此外，还有一个名为Chinese-Medicine-163的中草药图片数据集可供使用。
     
  • 动物数据集与动物分类识别训练代码（Pytorch）
    优质
    本项目提供了一个基于Pytorch框架的动物分类识别系统，包含丰富的动物图像数据集及详细的训练代码，适用于深度学习研究和应用开发。 基于ResNet18的动物分类识别系统在Animals90数据集上进行训练，在该数据集中支持对90种不同的动物类别进行识别。经过训练后，模型在训练集上的准确率达到了约99%，而在测试集上的准确率为大约91%。同样地，在较小规模的Animals10数据集上，系统也展示了极高的性能表现：在训练阶段达到接近完美的准确性（约为99%），而验证阶段则保持了较高的精确度水平（约为96%）。此外，该分类识别框架还支持多种不同的骨干网络模型配置选择，包括但不限于googlenet、resnet[18,34,50]、inception_v3和mobilenet_v2等。
     
  • 垃圾分类数据集及Pytorch训练代码
    优质
    本项目提供了一个详细的垃圾分类的数据集以及使用Python深度学习框架PyTorch进行模型训练的完整代码，旨在促进AI技术在环保领域的应用研究。 垃圾分类识别的训练和测试系统实现了智能化垃圾分类功能。目前使用基于ResNet18模型进行分类，在垃圾数据集dataset2上，训练集准确率约为94%，测试集准确率为约92%。
     
  • 面部表情识别（二）：使用Pytorch的表情识别实现(附表情识别数据集及训练代码).txt
    优质
    本文详细介绍了如何利用Python深度学习框架PyTorch进行面部表情识别，并提供了所需的数据集和训练代码，帮助读者轻松上手实践。 更多关于《面部表情识别》系列的文章请参考以下内容： 1. 面部表情识别第1部分：介绍表情识别数据集。 2. 面部表情识别第2部分：使用Pytorch实现表情识别，包括数据集和训练代码的说明。 3. 面部表情识别第3部分：在Android平台上实现实时的表情识别功能，并提供源码支持。 4. 面部表情识别第4部分：通过C++语言实现实时的表情检测功能，并附带相关源码。
     
  • 戴眼镜检测与识别2：基于Pytorch的实现（包含戴眼镜数据集及训练代码）.txt
    优质
    本项目介绍了一种使用PyTorch框架进行的眼镜佩戴者检测和识别方法，并提供了相关数据集和源代码，供研究和学习参考。 戴眼镜检测与识别包括以下内容： 1. 戴眼镜检测数据集。 2. 使用Pytorch实现的戴眼镜检测和识别方法，并提供训练代码及相应的数据集。 3. 在Android平台上的实时戴眼镜检测和识别功能，包含源码支持。 4. 通过C++语言实现实时的戴眼镜检测与识别系统，同样附带源码。
     
  • 吸烟（抽烟）检测与识别第二部分：使用Pytorch的实现（包含吸烟数据集及训练代码）.txt
    优质
    本文件详细介绍了如何利用Python深度学习库PyTorch进行吸烟行为检测模型的构建。内容涵盖从准备专门针对吸烟行为的数据集，到编写用于训练和优化模型的代码全过程，适用于对计算机视觉与深度学习感兴趣的开发者及研究者参考使用。 吸烟检测与识别1：介绍吸烟数据集并提供下载链接。 吸烟检测与识别2：使用Pytorch实现吸烟检测与识别，并包含数据集及训练代码。
     
  • 基于YOLOv5的手势识别系统（包含手势识别数据集及训练代码）.txt
    优质
    本项目提供了一个基于YOLOv5的手势识别系统，包括定制的手势识别数据集和详细的训练代码，适用于快速部署与研究。 手势识别（HGR）作为人机交互的一部分，在汽车领域、家庭自动化系统以及各种视频/流媒体平台等领域具有广泛的实际应用价值。本段落将基于YOLOv5构建一个能够识别包括one, two, ok在内的18种常见通用手势动作的手势识别目标检测系统。该系统的平均精度平均值mAP_0.5达到了0.99569，而mAP_0.5:0.95则为0.87605，基本满足了业务性能需求。
     
  • 车牌号码识别数据包（含训练集和测试集）.zip
    优质
    本资料包包含用于车牌号码识别系统的训练与测试数据集。内有标注清晰、种类丰富的图像样本，有助于开发高精度的车辆识别算法模型。 最近在实验项目中使用了车牌识别的数据集，并且遇到了不少问题。我花费了很多积分下载并整理了一些高质量的数据集，希望能对大家有所帮助。 该数据集包含两个文件夹：一个用于训练的字符库（包括分割和标注好的英文及中文车牌符号的灰度图片），另一个则包含183张彩色车辆车牌照片作为测试数据。
     
  • 基于PyTorch的戴口罩人脸检测与识别实现（附训练代码及数据集）
    优质
    本项目使用PyTorch框架，致力于开发一种高效的算法模型，专门针对佩戴口罩的人脸进行精准的检测和识别。除了核心源码外，还提供了宝贵的训练数据集以供研究参考。旨在促进相关领域的科研进展与实际应用。 使用Pytorch实现的戴口罩人脸检测与识别项目取得了较高的准确率，在ResNet50模型上可以达到99%左右，在轻量化版本MobileNet-v2上也能保持在98.18%左右。该项目还包括一个Android应用演示程序，用于体验戴口罩人脸识别的功能。
     
  • 基于Pytorch的TextCNN中文文本分类实现（含详细训练代码）.zip
    优质
    本资源提供了一个使用Python深度学习框架PyTorch实现的TextCNN模型，用于对中文文本进行分类。其中包括详细的预处理、模型构建及训练代码，适合自然语言处理领域的研究者和开发者深入学习和实践。 在一个NLP项目实例中，使用深度学习框架Pytorch构建了TextCNN模型，并实现了一个简易的中文文本分类系统。基于此项目的训练数据，在THUCNews数据集上进行测试后发现，训练集上的Accuracy达到了约99%，而测试集上的Accuracy则约为88.36%。