Advertisement

基于YOLOv5训练的吸烟检测模型项目实战

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

简介：
本项目基于YOLOv5框架，开发了一个高效的吸烟行为检测模型。通过深度学习技术识别图像或视频中的吸烟场景，适用于公共场所监控等实际应用。 这段文字描述了一套用于公共场所或禁烟领域的人员吸烟监控系统的相关资源。这套系统包括模型训练源码、预训练的模型文件以及训练脚本和测试脚本。这些资源可以帮助开发者基于现有模型进行进一步的研究与开发工作。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 基于YOLOv5训练的吸烟检测模型项目实战
    优质
    本项目基于YOLOv5框架，开发了一个高效的吸烟行为检测模型。通过深度学习技术识别图像或视频中的吸烟场景，适用于公共场所监控等实际应用。 这段文字描述了一套用于公共场所或禁烟领域的人员吸烟监控系统的相关资源。这套系统包括模型训练源码、预训练的模型文件以及训练脚本和测试脚本。这些资源可以帮助开发者基于现有模型进行进一步的研究与开发工作。
     
  • 基于YOLOv5训练的ONNX吸烟检测模型权重文件
    优质
    本简介提供了一个基于YOLOv5框架训练的ONNX格式吸烟检测模型。该模型已转换为ONNX标准，并包含了训练好的权重文件，适用于实时监控与分析场景中的吸烟行为识别。 使用YOLOv5训练的ONNX吸烟检测权重文件已经配置好环境，可以直接使用，并且效果非常好。
     
  • YOLOV5 肋骨骨折检测实战项目（含数据、代码及预训练模型）
    优质
    本项目基于YOLOv5框架，旨在实现肋骨骨折的自动检测。提供详尽的数据集、源代码和预训练模型，适用于医学影像分析与研究。 基于YOLOV5的肋骨骨折检测（包含五种类别）实战项目提供完整的代码、数据集及训练好的权重参数。此模型经过测试可直接使用分辨率为512*512像素的灰度图像，适用于小目标检测任务。 **数据集介绍** 该数据集中包括4618张用于训练的图片和对应的标签文件（共计4618个），以及包含验证用的1076张图片及其对应标签文件的数据子集。五种类别分别为：移位的肋骨骨折、非移位的肋骨骨折、扣肋骨折、节段性肋骨骨折及不确定类型肋骨骨折。 **YOLOV5项目** 整个项目的大小约为897MB，经过30个epoch迭代训练后，在runs目录下保存了所有训练结果。最佳精度为map0.5=0.42和map0.5:0.95=0.21，表明网络尚未完全收敛；增加更多轮次的训练可能会提高模型性能。 在进行训练的过程中生成了一系列评估指标，包括验证集上的混淆矩阵、PR曲线以及F1分数等。有关YOLOV5改进的具体介绍或如何开展此类项目，请参考相关博客文章。
     
  • 基于Yolov5的口罩检测模型训练完成
    优质
    本项目成功开发了一个基于Yolov5框架的口罩检测系统。通过大量数据训练优化，该模型能够高效准确地识别图像或视频中的人脸及佩戴口罩情况，在疫情防控和公共安全领域具有广泛应用前景。 使用YOLOV5训练好的口罩检测模型的具体训练方法可以在我的博文中找到，《使用YOLOV5训练口罩检测模型》。
     
  • 基于Yolov5的烟雾检测系统，包含预训练模型与数据集
    优质
    本项目基于YOLOv5框架开发烟雾检测系统，提供预训练模型及专用数据集，旨在实现高效、精准的实时烟雾识别。 基于Yolov5的烟雾检测项目包括一个训练好的模型和相关数据集。
     
  • 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。
     
  • 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。
     
  • 基于Yolov5的烟火检测-C++模型部署
    优质
    本项目采用YOLOv5框架开发了高效的烟火检测系统，并将其成功移植至C++环境，实现了实时监控与快速响应，保障公共安全。 浓烟与火焰检测的模型及C++推理代码可用于安卓或iOS设备。
     
  • 训练好的YOLOv5口罩检测模型 yolov5-master-5.0-mask.rar
    优质
    本资源提供一个基于YOLOv5架构、专门用于口罩佩戴情况检测的预训练模型。该模型能够高效准确地识别图像中的人脸及其口罩佩戴状态，适用于疫情防控等多种场景下的应用需求。下载后请解压文件yolov5-master-5.0-mask.rar进行使用。 训练好的YOLOv5口罩检测模型，在配置好环境后可以直接运行。使用几千张数据进行了150轮的训练，最终得到的权重文件使得mAP达到了90%以上。PR曲线等图保存在runs文件夹中。配置好YOLOv5的环境之后就可以直接进行数据集和检测结果的操作了。
     
  • 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。