Advertisement

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

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

简介：
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。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 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。
     
  • 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。
     
  • YOLOv7车辆行人检测及训练模型+5000车辆行人检测数据集
    优质
    简介：本项目提供YOLOv7算法在车辆和行人检测中的应用与训练模型，并包含一个涵盖5000个样本的数据集，适用于深度学习研究者进行目标检测的实验。 该车辆行人检测项目基于YOLOv7模型进行开发，并已使用包含一万多张交通场景图像的数据集完成训练。数据集中包括5000多张额外的测试图片，标签格式为txt和xml两种文件类型，分别保存在两个不同的文件夹中。目标类别共有2个：person（行人）和car（车辆）。经过充分训练后，模型达到了90%以上的mAP值，并提供了PR曲线、loss曲线等评估结果以供参考。 该项目采用了PyTorch框架进行实现，所有代码均为Python编写。
     
  • YOLOv7火焰与烟雾检测训练权重及标注数据集
    优质
    本资源提供YOLOv7模型在火焰和烟雾检测任务中的预训练权重及详细标注数据集，助力火灾预防系统的开发与优化。 1. YOLOv7火焰和烟雾检测训练权重包含各种训练曲线图，可以使用tensorboard打开训练日志。 2. 类别包括：fire、smoke。 3. 数据集附有VOC和YOLO两种标签格式。 检测结果与数据集参考相关文章。
     
  • YOLOV5火灾火焰与烟雾检测源码、数据集及训练完成的模型 Python火灾火焰与烟雾检测源码、数据集及训练完成的模型
    优质
    本项目提供YOLOv5框架下的Python代码，用于火灾中火焰和烟雾的检测。包含相关数据集以及经过训练的模型文件，便于快速应用和二次开发。 YOLOV5火灾火焰烟雾检测源码、数据集及训练好的模型包含详细代码注释，适合新手理解使用。这是一个个人精心打造的98分项目，在导师那里获得了高度认可，并被推荐为毕业设计、期末大作业和课程设计中获取高分的理想选择。下载后只需简单部署即可投入使用。
     
  • YOLOv5火焰检测代码及训练完成的fire模型（含2000数据集）
    优质
    简介：本项目提供了基于YOLOv5框架的火焰检测解决方案，包括完整的训练代码和使用2000张图像数据集训练得到的预训练模型。 训练好的YOLOv5火焰检测模型包含一个数据集，该数据集中有2000多张带有标签的火焰图片。这些标签以xml和txt两种格式提供，并且唯一的类别名为fire。配置好YOLOv5环境后可以直接使用这个模型进行工作。 参考的数据集及检测结果可以在相关博客文章中找到。需要注意的是，该数据集是基于pytorch框架开发的，代码采用python编写。
     
  • 针对吸烟行为的目标检测数据集
    优质
    本研究构建了一个专注于识别和定位图像中吸烟行为的目标检测数据集，为相关领域提供高质量训练资源。 吸烟检测数据集包含了一系列用于识别和分析吸烟行为的数据样本。这些数据可以被用来训练机器学习模型，以提高对吸烟活动的自动检测能力。通过使用这样的数据集，研究人员能够开发出更准确、高效的算法来监测公共场合中的吸烟现象，并为相关健康政策提供支持。
     
  • 基于YOLOv8的抽烟行为检测数据集，适用于训练目标检测模型
    优质
    本数据集专为基于YOLOv8的目标检测框架设计，聚焦于抽烟行为识别，旨在优化模型在监控场景中的应用效能。 抽烟的危害主要包括以下几个方面： 1. 增加患多种癌症的风险：吸烟是导致肺癌、喉癌、口腔癌、食道癌等多种恶性肿瘤的主要原因，并且会增加其他类型癌症（如肾癌、胰腺癌、膀胱癌）的发病率。 2. 损害呼吸系统功能：烟草中的有害物质刺激气管，引发咳嗽和呼吸困难等症状。长期吸烟还会导致慢性支气管炎以及肺部疾病如肺气肿等的发生概率增加。 3. 影响心血管健康：吸烟能够引起血管收缩、血压上升及动脉硬化等问题，从而提高心脏病与中风的患病几率；同时烟草中的有害成分也会使血液内产生过多的氧化脂肪物质，对心脏和血液循环系统造成进一步损害。 4. 危害生殖系统的正常运作：吸烟对于男女双方都有不利影响。男性方面表现为精子数量减少、质量下降以及生育能力减弱；女性则可能出现月经失调、提前进入更年期及难以怀孕等问题。 5. 使皮肤状况恶化并加速衰老过程：烟草中的尼古丁会导致血管收缩，从而降低肌肤的血液供应量，加快老化速度，并形成皱纹和松弛现象。此外吸烟还会导致牙齿发黄、指甲脆弱以及肤色变暗等症状出现。 6. 增加其他疾病发生的可能性：除了上述提到的各种健康问题外，长期吸烟还可能诱发糖尿病、骨质疏松症、胃食管反流病及消化性溃疡等疾病的产生。 综上所述，持续抽烟对身体健康的负面影响非常严重。通过戒除烟瘾可以显著降低这些潜在的危害风险，并有助于改善整体生活质量。