Advertisement

YOLOv5在红外场景下的车辆和行人检测，包含权重和红外数据集，并采用Qt界面。

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

简介：
1、YOLOv5在红外场景下实现了对车辆和行人的精准检测，并提供了经过训练的红外场景车辆和行人检测权重，以及PR曲线和loss曲线等评估指标，这些权重是在几千张数据集上训练得到的，输入尺寸设定为640x640，最终的mAP值可达90%以上。 2、该数据集包含了数千张红外场景下车辆和行人检测的图像，标签格式采用两种：txt和xml，分别存储在独立的文件夹中。 3、您可以参考数据集和检测结果： 4、开发过程中采用了PyTorch框架以及Python编程语言。 5、代码设计包含用户友好的图形界面，基于PyQt技术，能够实现对图片、视频以及摄像头数据的实时检测，并提供丰富的选择选项。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 已标注的红外行人检测数据集
    优质
    本数据集包含了大量经过人工标记的红外图像，专为行人检测算法的研究与开发设计。 红外行人检测数据集由FLIR热红外相机采集而成，并已包含txt格式的标签文件进行标注。下载解压后即可直接使用。
  • 红外数据集中有人、车和自行车等信息
    优质
    本数据集包含丰富的红外影像资料，详细记录了人、车辆及自行车等多种物体的信息，适用于目标检测与跟踪的研究。 红外数据集包含人、车辆和自行车等元素。
  • 红外行人数据集.zip
    优质
    《红外行人数据集》包含大量标注清晰的红外图像，旨在促进夜间与低光照环境下的人体检测和跟踪研究。该数据集适用于开发先进的计算机视觉算法。 红外波段行人目标检测技术专注于在红外图像中识别和跟踪人类活动的目标。这种方法利用了人体与背景之间的温度差异，在夜间或低光照条件下具有显著的优势。通过先进的算法，可以有效提高行人的检测准确率，并减少误报的发生，适用于安防监控、自动驾驶等多个领域。
  • Yolov5夜间车辆检测方案+权重+标注数据集+PyQt界面
    优质
    本项目提供了一种基于Yolov5的夜间车辆检测解决方案，包含预训练模型权重及标注数据集，并集成PyQt用户界面。 该项目使用YOLOv5进行夜间场景下的车辆检测。训练权重基于几千张包含道路车辆的数据集，在输入尺寸为640x640的情况下获得，模型的mAP值达到90%以上。此外，项目代码包括一个pyqt界面，支持图片、视频以及调用摄像头进行实时目标检测，并提供相应的选择项。 数据集中包含了行人和汽车两类物体，标签文件分别以txt和xml格式保存在两个不同的文件夹中。整个系统基于PyTorch框架编写，使用Python语言实现。
  • YOLOv5车辆行人检测及训练权重文件与数据集
    优质
    简介：本项目提供基于YOLOv5模型的车辆和行人检测解决方案，包含预训练权重、优化的数据集及相关代码，适用于快速部署和二次开发。 1. YOLOv5车辆行人检测模型附带各种训练曲线图，并可通过tensorboard打开训练日志文件，mAP值达到90%左右。 2. 该资源包含一个用于车辆行人检测的数据集，标签格式包括VOC和YOLO两种类型。数据集中的人、车类别名称分别为person和car，图像数量约为1万张。 3. 数据集与模型的详细信息可在相关博客文章中找到。
  • 汽车在红外相机下的数据集
    优质
    该数据集包含使用红外相机捕捉的各种条件下行驶和静止汽车的图像。旨在促进自动驾驶系统中车辆检测与识别的研究进展。 夜晚空旷马路上，在红外相机下采集到的汽车多角度数据及对应的txt标签文件。
  • YOLOv5密集行人检测与WiderPerson数据集权重结合+PyQt界面
    优质
    本项目融合了YOLOv5模型与WiderPerson数据集进行优化训练，实现高效密集行人检测，并通过PyQt开发用户友好的交互界面。 WiderPerson数据集是用于拥挤场景下行人检测的基准数据集。使用yolov5训练得到的WiderPerson行人检测模型，其输入尺寸为640x640，并附有txt格式和xml格式的数据文件。检测结果可以参考相关文献或博客文章。采用pytorch框架，代码是用Python编写的。
  • 基于YOLOV5的红外车辆识别与检测源码、模型及数据集，支持实时检测
    优质
    本项目提供基于YOLOV5框架的红外车辆识别和检测解决方案，包括源代码、预训练模型和数据集，适用于实时监控系统。 基于YOLOV5的红外车辆识别与检测源码、模型及数据集现已推出，支持实时检测功能。