图片数量:总计：2035张。训练集1423张,验证集408张,测试集204张标注文件格式:YOLO的txt格式可以直接用于模型训练。

本研究面向微博评论的情感分析任务，设计并实现了一个基于深度学习的文本情感分析系统。我们选取公开数据集 weibo_senti_100k 作为实验数据源，并针对其中的积极与消极情感进行二分类任务。在数据预处理阶段，通过对微博文本进行清洗和分词，将文本映射为 input_ids 与 attention_mask 等输入特征；随后结合 BERT 预训练模型的强大文本表示能力和 LSTM 网络的时序特征提

本文提出了一种基于深度学习的糖尿病视网膜病变图像分类方法，旨在通过计算机视觉技术辅助眼科医生进行早期诊断。本研究使用了ResNet50和VGG16两种经典卷积神经网络（CNN）模型，分别对不同分期的糖尿病视网膜病变进行分类，包括无糖尿病视网膜病变（No DR）、轻度非增殖性糖尿病视网膜病变（Mild NPDR）、中度非增殖性糖尿病视网膜病变（Moderate NPDR）、重度非增殖性糖尿病视网膜病

随着智慧农业的快速发展，利用先进的技术手段对牲畜的行为进行自动化监测和管理，已经成为现代农业中的重要研究方向之一。在传统的农业管理模式中，牲畜的行为监测通常依赖于人工观测，耗时耗力且难以实现大规模实时监控。然而，随着物联网、人工智能和深度学习等技术的成熟，利用智能化手段对牲畜进行行为检测和管理成为可能。本文重点研究并实现了一种基于YOLOV8深度学习模型的山羊行为检测系统，该系统为智慧农业中的山羊

图片数量: 总计：52403 张。训练集 36671 张, 验证集 10482 张, 测试集 5250 张标注文件格式: YOLO的txt格式可以直接用于模型训练。

随着智能安防技术的不断发展，视频监控中的异常行为检测已成为保障公共安全的重要手段之一。本研究提出了一种基于YOLOv8深度学习模型的安防系统，用于在视频监控中实时检测并识别异常行为，尤其是打架斗殴行为。该系统通过训练一个YOLOv8模型，能够准确地识别视频中的两种行为类别：“无打架斗殴行为”和“打架斗殴行为”，从而提高视频监控的安全性和响应效率。

随着人工智能和计算机视觉技术的发展，智能教育系统在教学管理中的应用逐渐成为研究热点。本文提出了一种基于YOLOv8深度学习模型的学生课堂状态检测与语音提示系统，旨在自动识别学生的课堂行为，包括“学生玩手机”、“学生上课睡觉”和“学生认真学习”，并通过语音提示进行智能反馈。

图片数量: 总计：4207张。训练集 3125 张, 验证集 893 张, 测试集 447 张标注文件格式: YOLO的txt格式可以直接用于模型训练。

随着智慧农业的快速发展，畜牧业的智能化管理已逐渐成为提高生产效率、提升动物福利、降低运营成本的关键手段之一。在此背景下，畜牧场对动物行为的自动化监测需求日益增长，尤其是在大型养猪场，猪群的日常行为检测对于疾病预防、饲养管理以及异常行为的及时发现都具有重要意义。传统的人工监测方式效率低、成本高，且难以做到24小时不间断的精准监控。为了应对这一挑战，智能化、自动化的猪行为检测系统应运而生。

随着无人机技术的迅猛发展及深度学习在目标检测领域的广泛应用，基于无人机视角的军事目标检测系统逐渐成为现代战场监控与侦察的重要工具。迷彩伪装人员作为一种常见的隐蔽战术，对传统目标检测方法提出了较高的挑战。本文提出了一种基于YOLOv8深度学习算法的无人机视角迷彩军事目标检测系统，旨在提高迷彩伪装人员的检测精度。