基于经典情绪数据集以及爬虫技术采集的网络公开的驾驶员座舱图片与视频流,并进行批量预处理与 数据清洗,设计了泛化于驾驶场景的驾驶员情绪数据集。 采用了基于深度学习的情绪识别模型,修改了 YOLOv7网络结构,实现了对驾驶员情绪的准确识别。 基于PyQt5设计了简洁美观的UI界
数据集达8w张,使用CNN与mobilenet训练模型并进行对比,训练结果可视化并搭建了UI界面。 可以实现4个大类,245个小类的垃圾种类识别,识别精度良好,达到90%以上
基于经典情绪数据集以及爬虫技术采集的网络公开的驾驶员座舱图片与视频流,并进行批量预处理与 数据清洗,设计了泛化于驾驶场景的驾驶员情绪数据集。 采用了基于深度学习的情绪识别模型,修改了 YOLOv7网络结构,实现了对驾驶员情绪的准确识别。 基于PyQt5设计了简洁美观的UI界
数据集达8w张,使用CNN与mobilenet训练模型并进行对比,训练结果可视化并搭建了UI界面。 可以实现4个大类,245个小类的垃圾种类识别,识别精度良好,达到90%以上
鼠标悬停或点击上方资质图片,可放大右下角二维码进行扫码验真。
添加客服微信,免费为您安排与该工程师直接沟通
长按二维码添加客服微信
如该工程师当前档期不合,也可免费为您推荐相似候选人