上传的是txt文件,里面含有数据集的下载链接和密码，下载方式为百度网盘。
数据集文件是在清华实验室采集到的交通路口图片的基础上，使用labelme对其进行交通信号灯的标注，标注采用VOC格式，全部手工标注，标注图片一共9812张，耗时两个月左右，质量有保证。
标注类别共18类，包括红灯，绿灯，黄灯的各类箭头，以及行人，自行车的信号灯类别。
整体文件包括原始图片，对应标签，保存有文件名的txt文件以及含有具体类别名称的txt文件。
全部打包上传。
已经经过本人使用YOLOV3和fast-r-cnn模型亲自测试,数据集数据真实有效。
相关的模型的文件和训练文件也已经全部上传，可在我发布的其他资源里找到

自定义cnn收集熬炼的验证码识别模子

搜罗主流机械学习代码货物箱，能够直接加载到matlab中，有NN,RBM,CNN,SAE,CAE,外面有数据以及仿真，适宜机械学习以及深度学习开拓

介绍了行使卷积神经收集举行遥感解译的方式与进程，是不错的资源

CNN卷积神经收集的MATLAB法度圭表标准，及表明

本资源源于天津大学开设的媒体盘算课程，搜罗三个名目（BOF+SIFT图片搜查、svm图片多分类以及cnn手势图片识别），报告以及READEME，具备未必的参考价钱

python实现的约莫的卷积神经收集

深度学习之卷积神经收集CNN做手写体识另外VS代码。
反对于linux版本以及VS2012版本。
tiny-cnn:AC++11implementationofconvolutionalneuralnetworks========tiny-cnnisaC++11implementationofconvolutionalneuralnetworks.designprinciple-----*fast,withoutGPU98.8%accuracyonMNISTin13minutestraining(@Corei7-3520M)*headeronly,policy-baseddesignsupportednetworks-----###layer-types*fully-connectedlayer*convolutionallayer*averagepoolinglayer###activationfunctions*tanh*sigmoid*rectifiedlinear*identity###lossfunctions*cross-entropy*mean-squared-error###optimizationalgorithm*stochasticgradientdescent(with/withoutL2normalization)*stochasticgradientlevenbergmarquardtdependencies-----*boostC++library*IntelTBBsamplecode------```cpp#include"tiny_cnn.h"usingnamespacetiny_cnn;//specifyloss-functionandoptimization-algorithmtypedefnetworkCNN;//tanh,32x32input,5x5window,1-6feature-mapsconvolutionconvolutional_layerC1(32,32,5,1,6);//tanh,28x28input,6feature-maps,2x2subsamplingaverage_pooling_layerS2(28,28,6,2);//fully-connectedlayersfully_connected_layerF3(14*14*6,120);fully_connected_layerF4(120,10);//connectallCNNmynet;mynet.add(&C1);mynet.add(&S2);mynet.add(&F3);mynet.add(&F4);assert(mynet.in_dim()==32*32);assert(mynet.out_dim()==10);```moresample,readmain.cppbuildsampleprogram------###gcc(4.6~)withouttbb./wafconfigure--BOOST_ROOT=your-boost-root./wafbuildwithtbb./wafconfigure--TBB--TBB_ROOT=your-tbb-root--BOOST_ROOT=your-boost-root./wafbuildwithtbbandSSE/AVX./wafconfigure--AVX--TBB--TBB_ROOT=your-tbb-root--BOOST_ROOT=your-boost-root./wafbuild./wafconfigure--SSE--TBB--TBB_ROOT=your-tbb-root--BOOST_ROOT=your-boost-root./wafbuildoreditinlude/co

python实现的卷积神经收集CNN,无框架，python实现的卷积神经收集CNN,无框架

验证码识别，文本识别收集-CRNN(CNN+GRU/LSTM+CTC)，含部份数据集请怪异博客https://blog.csdn.net/okfu_DL/article/details/90379583使用

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。