Advertisement

YOLOv5吸烟行为检测代码及预训练模型+含5000条标注数据的数据集

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

简介：
简介：本项目提供YOLOv5框架下的吸烟行为检测代码与预训练模型，并附带一个包含5000条详细标注的数据集，助力高效准确的行人行为识别研究。 YOLOV5吸烟行为检测提供了两种训练好的模型，并包含各种训练曲线图及数据集。该数据集中有超过5000张使用LabelImg软件标注的图片，格式为jpg，标签有两种形式：xml格式和txt格式，分别保存在两个文件夹中，类别名为smoke；可以直接用于YOLO系列的吸烟行为检测任务。 此外，还有相关的数据集与检测结果供参考。采用pytorch框架开发，并且代码是用Python编写的。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • YOLOv5吸烟行为检测代码及预训练模型+含5000条标注数据的数据集
    优质
    简介：本项目提供YOLOv5框架下的吸烟行为检测代码与预训练模型，并附带一个包含5000条详细标注的数据集，助力高效准确的行人行为识别研究。 YOLOV5吸烟行为检测提供了两种训练好的模型，并包含各种训练曲线图及数据集。该数据集中有超过5000张使用LabelImg软件标注的图片，格式为jpg，标签有两种形式：xml格式和txt格式，分别保存在两个文件夹中，类别名为smoke；可以直接用于YOLO系列的吸烟行为检测任务。 此外，还有相关的数据集与检测结果供参考。采用pytorch框架开发，并且代码是用Python编写的。
     
  • YOLOv5吸烟行为检测代码及预训练模型+QT界面+含5000条标注数据的数据集
    优质
    本项目提供YOLOv5吸烟行为检测代码与预训练模型，并集成QT图形用户界面，附带包含5000条标注的专用数据集。 YOLOV5吸烟行为检测提供两种训练好的模型，包含各种训练曲线图及数据集。该数据集中有超过5000张使用lableimg软件标注的图片（格式为jpg），标签有两种形式：xml格式与txt格式，并分别保存在两个文件夹中，类别名为smoke；可以直接用于YOLO系列的吸烟行为检测。 此外还包括一个qt界面，支持对图片、视频及调用摄像头进行检测。采用pytorch框架开发，代码使用python编写。
     
  • YOLOv7吸烟行为检测代码及训练完成的模型+含5000个标注样本的数据集
    优质
    本项目提供YOLOv7深度学习框架下的吸烟行为检测解决方案，包括预训练模型和一个包含5000个标注样本的数据集，助力快速实现目标识别应用。 YOLOV7吸烟行为检测包括两个训练好的模型，内含各种训练曲线图以及数据集。该数据集中包含5000多张使用lableimg软件标注的图片，格式为jpg。标签有xml格式和txt格式两种，并分别保存在不同的文件夹中，类别名为smoke；可以直接用于YOLO系列的吸烟行为检测。 此外，还提供了数据集及检测结果参考信息。采用pytorch框架开发，代码是用python编写的。
     
  • YOLOv5烟雾检测代码及训练完成的smoke模型，含4500条标注烟雾数据集
    优质
    本项目提供基于YOLOv5框架的烟雾检测代码和预训练模型，包含约4500条标注清晰的烟雾图像数据集，适用于快速部署与二次开发。 使用训练好的YOLOv5烟雾检测模型，并包含4500多张带有xml和txt格式标签的烟雾数据集，类别名为smoke，在配置好YOLOv5环境后可以直接使用。该数据集及检测结果可参考相关文献或文章。此项目采用pytorch框架，代码为python编写。
     
  • YOLOv5烟雾检测代码及预训练smoke模型+烟雾数据集+pyqt界面
    优质
    本项目提供基于YOLOv5的烟雾检测解决方案，包括预训练模型、烟雾数据集和PyQt构建的用户界面，助力快速部署与应用。 提供了一个训练好的YOLOv5烟雾检测模型，包含4500多张带有xml和txt格式标签的标注数据集，类别名为smoke。配置好YOLOv5环境后可以直接使用，并附带qt界面用于检测图片、视频以及调用摄像头的功能。该系统采用pytorch框架，代码为python编写。
     
  • YOLOv5安全帽检测代码+预训练安全帽模型+QT界面+5000张标注数据集
    优质
    本项目提供YOLOv5安全帽检测代码、预训练模型及基于QT的用户界面，包含5000张标注图像的数据集，旨在提升工地安全管理效率。 YOLOv5安全帽检测项目包括代码及两个训练好的模型，并配有pyqt界面。经过充分的训练后，精度达到了90%以上，包含了各种训练曲线图以及超过5000张标注的安全帽数据集，标签采用VOC和YOLO格式，类别名分别为person和hat。 该项目中的Qt界面对图片、视频及摄像头调用进行检测，并提供相应的选择项。整个项目基于pytorch框架开发，代码使用Python编写。
     
  • YOLOv5车辆行人检测及训练模型+5000张相关数据集
    优质
    本项目提供基于YOLOv5的先进车辆与行人检测解决方案，包含精心标注的5000张图片数据集，旨在优化智能交通系统的实时监控和安全性能。 YOLOv5车辆行人检测项目包含两种预训练模型：Yolov5s和Yolov5m，用于识别交通场景中的行人（person）和汽车（car）。这些模型在超过一万张图像的数据集上进行训练，并达到了90%以上的map值。此外，该项目还提供了一个基于PyQt的用户界面以及PR曲线、loss曲线等性能评估图表。 数据集中包括了大约5,000张用于测试目的的行人和车辆图片，标签格式为txt和xml文件，分别存储在不同的目录中。
     
  • YOLOv5火焰与烟雾检测：含预训练模型、数据集及PyQt界面
    优质
    本项目提供基于YOLOv5的实时火焰与烟雾检测系统，包括预训练模型和标注数据集，并配备直观的PyQt图形用户界面。适合火灾预防监控应用。 YOLOv5训练好的火焰烟雾检测模型包括yolov5s-fire_smoke.pt和yolov5m-fire_smoke.pt两个预训练模型，并包含几百张标注好了的火焰与烟雾数据集，标签格式为xml和txt两种，类别分别为fire和smoke。此外还有一个QT界面并采用pytorch框架，代码是用python编写的。
     
  • YOLOv5人脸口罩检测代码及预训练模型+QT界面+含8000条标注数据的人脸口罩数据集
    优质
    本项目提供基于YOLOv5的人脸口罩检测系统，包括源代码、预训练模型和一个包含8000条标注记录的数据集，并集成QT图形界面。 YOLOv5人脸口罩检测项目包括代码、训练好的模型以及PyQt界面。该项目包含两个精度达90%以上的预训练模型，并附有各种训练曲线图及8000多张标注数据集，标签格式为VOC和YOLO，类别名称分别为face（人脸）与face_mask（佩戴口罩的人脸）。此外，项目中的qt界面支持图片、视频检测以及调用摄像头进行实时监测。该项目基于PyTorch框架，并使用Python编写代码。
     
  • 基于YOLOV5的口罩检测数据集及系统（含代码、训练模型和标注数据）.zip
    优质
    本资源提供了一个基于YOLOv5的口罩检测解决方案，内含完整代码、预训练模型以及详细的标注数据，适用于快速部署与二次开发。 本项目基于YOLOV5口罩检测数据集系统、代码以及训练好的模型，并包含已标注的数据。该项目已经导师指导通过，获得高分评价，是一份高质量的课程设计作业。