传统装饰图案数据集，主数据集(decor.zip)是485张传统装饰图案的彩色图像(150x150x3)和带有decor.csv标签的文件。图片文件格式为。png，标签为整数和值。文件DecorColorImages。H5由这个集合的预处理图像图像张量和目标(标签)组成。

10种坚果图像数据集。1163张训练数据, 50个测试数据，50个验证文件224 X 224 X 3 jpg格式。取得F1分100%的hs。还提供了一个csv文件树nuts.csv 10种坚果图像数据集。1163张训练数据, 50个测试数据，50个验证文件224 X 224 X 3 jpg格式。取得F1分100%的hs。还提供了一个csv文件树nuts.csv 10种坚果图像数据集。1163张训练数据, 50个测试数据，50个验证文件224 X 224 X 3 jpg格式。取得F1分100%的hs。还提供了一个csv文件树nuts.csv

（Matlab）PNN多分类识别、准确率及误差分析、可做智能算法多分类识别对比

基于 HOG+SVM 图像分类识别系统的设计与实现代码大全.pdf基于 HOG+SVM 图像分类识别系统的设计与实现代码大全.pdf基于 HOG+SVM 图像分类识别系统的设计与实现代码大全.pdf基于 HOG+SVM 图像分类识别系统的设计与实现代码大全.pdf

Web攻击检测与分类识别数据集（自己整理所得）

有用的BEMD程序，可进行图像EMD分解，为图像识别做好准备。

动物数据集+动物分类识别训练代码(Pytorch)，https://blog.csdn.net/guyuealian/article/details/126640766 动物识别数据集 动物数据集 动物识别 动物分类识别 animal dataset 前，基于ResNet18的动物分类识别，支持90种动物分类识别；在Animals90动物数据集上，训练集的Accuracy 99%左右，测试集的Accuracy在91%左右；在Animals10动物数据集上，训练集的Accuracy 99%左右，测试集的Accuracy在96%左右。骨干网络模型可支持googlenet, resnet[18,34,50], inception_v3，mobilenet_v2等常用的模型。

某业务平台平均每月捕获到Web攻击数量超过2亿，涉及常见注入攻击，代码执行等类型。传统威胁检测手段通过分析已知攻击特征进行规则匹配，无法检测未知漏洞或攻击手法。如何快速准确地识别未知威胁攻击并且将不同攻击正确分类，对提升Web攻击检测能力至关重要。利用机器学习和深度学习技术对攻击报文进行识别和分类已经成为解决该问题的创新思路，有利于推动AI技术在威胁检测分析场景的研究与应用。

Fruit-Dataset水果数据集+水果分类识别训练代码(支持googlenet, resnet, inception_v3, mobilenet_v2),本项目将采用深度学习的方法，搭建一个水果分类识别的训练和测试系统，实现一个简单的水果图像分类识别系统。目前，基于ResNet18的水果分类识别，支持262种水果分类识别，在水果数据集Fruit-Dataset上，训练集的Accuracy在95%左右，测试集的Accuracy在83%左右，骨干网络，可支持googlenet, resnet[18,34,50], inception_v3，mobilenet_v2等常用模型: 【原文地址】《Fruit-Dataset水果数据集+水果分类识别训练代码(支持googlenet, resnet, inception_v3, mobilenet_v2)》：https://panjinquan.blog.csdn.net/article/details/126411788

本项目将采用深度学习的方法，搭建一个垃圾分类识别的训练和测试系统，实现智能化垃圾分类。目前，基于ResNet18的垃圾分类识别，在垃圾数据集dataset2，训练集的Accuracy在94%左右，测试集的Accuracy在92%左右。支持常用的分类模型，如resnet18,resnet50,mobilenet_v2,googlenet等 原文地址《垃圾分类数据集+垃圾分类识别训练代码(Pytorch)》：https://panjinquan.blog.csdn.net/article/details/126419147