Advertisement

手机检测模型YOLOv5+一万张图片数据集-yolov5-6.0-phone-1022.zip

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

简介：
该资源提供了一个基于YOLOv5版本6.0的手机检测模型，训练数据包含超过一万张图像。下载者可直接获取预训练权重用于手机目标检测任务。 使用YOLOv5进行玩手机检测，在真实场景的高质量图片数据上训练得到两个模型：yolov5s-phone.pt 和 yolov5n-phone.pt，其mAP值超过90%。 另外有一个包含10,000多张图片的数据集，这些图片通过LableImg标注软件在真实场景中进行高质量标注。标签有两种格式，分别是VOC和另一种未具体说明的格式，并分别保存在两个不同的文件夹内。该数据集可以直接用于玩手机行为的识别。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 手机检测模型YOLOv5+一万张图片数据集-yolov5-6.0-phone-1022.zip
    优质
    该资源提供了一个基于YOLOv5版本6.0的手机检测模型，训练数据包含超过一万张图像。下载者可直接获取预训练权重用于手机目标检测任务。 使用YOLOv5进行玩手机检测，在真实场景的高质量图片数据上训练得到两个模型：yolov5s-phone.pt 和 yolov5n-phone.pt，其mAP值超过90%。 另外有一个包含10,000多张图片的数据集，这些图片通过LableImg标注软件在真实场景中进行高质量标注。标签有两种格式，分别是VOC和另一种未具体说明的格式，并分别保存在两个不同的文件夹内。该数据集可以直接用于玩手机行为的识别。
     
  • 手机玩耍检测与YOLOv5训练模型及3000张数据集
    优质
    本项目致力于开发手机使用习惯分析工具，利用深度学习框架YOLOv5训练模型，并基于3000张图像数据集优化算法性能。 使用Yolov5进行玩手机检测的项目包括训练好的模型权重、PR曲线以及loss曲线等相关内容。该项目是在一个包含3000多张图片的数据集上完成的，目标类别为“play_phone”，数据集中标签格式有txt和xml两种形式，并且已经用pyqt界面进行了展示。 使用的编程框架是PyTorch，代码语言为Python。
     
  • YOLOv5行人检测模型训练权重+3000行人数据集 yolov5-6.0-person_detect.zip
    优质
    本资源提供基于YOLOv5版本6.0的人行检测模型训练权重及包含约3000个样本的行人数据集，适用于深度学习项目中的人体识别研究。 1. YOLOv5行人检测训练权重附有各种训练曲线图。 2. 场景为街道、公路的行人检测模型，在一万多数据集上进行训练，准确率超过90%。 3. 类别：person（人）。 4. 数据集中包含3000张多行人的图片，并提供VOC和YOLO两种标签格式。 5. 检测结果及数据集详情请参考相关博客文章。
     
  • 基于Yolov5的手机玩耍检测与训练模型+PyQt界面+含3000张图片的数据集
    优质
    本项目开发了一套基于YOLOv5的手机玩耍行为识别系统，并结合PyQt设计了用户交互界面。利用包含3000张图像的数据集进行模型训练，实现了高精度的行为检测功能。 该内容涉及使用YOLOv5进行玩手机行为的检测项目。该项目包括一个训练好的模型权重文件、PR曲线以及loss曲线，并且是在专门针对玩手机行为的数据集上完成训练的，目标类别为“play_phone”，仅包含一种类型。此外，还提供了一个PyQt界面用于图片、视频和实时摄像头输入的检测操作。 数据集中包含了3000多张图像样本，标签格式包括txt和xml两种形式，并且分别存储在不同的文件夹里。整个项目基于Python语言编写并采用PyTorch框架实现。
     
  • Yolov5火灾烟雾检测用数据集含6940张图片
    优质
    本数据集专为基于YOLOv5的火灾烟雾检测设计，包含6940张高质量图像，旨在提升模型在复杂场景下的识别精度和效率。 火灾烟雾检测数据集包含了用于训练机器学习模型的数据，这些模型能够识别并响应早期的火灾迹象。这类数据对于开发有效的安全系统至关重要。
     
  • YOLOv5目标检测模型与数据集
    优质
    简介：本文探讨了基于YOLOv5的目标检测模型及其应用的数据集，分析其架构特点和性能优势。 本资源提供了YOLOv5目标检测模型的最新版本及其相应的训练数据集。作为一种在计算机视觉领域非常受欢迎的目标检测算法，YOLOv5因其高效性和准确性而在众多应用中表现出色。通过使用此资源，您可以快速部署并运行YOLOv5模型，并对图像或视频进行有效的目标识别。 具体来说，本资源包括以下内容： - YOLOv5的最新训练权重：可以直接用于执行各种目标检测任务。 - 训练数据集：包含多场景下的丰富实例图片的数据集合，有助于提高模型性能和泛化能力。 - 配置文件：包含了YOLOv5架构的具体设置信息及参数说明。 - 使用指南与代码示例：提供了详细的加载、配置以及使用指导。 利用这些资源，你将能够构建一个高效的目标检测系统，并应用于如安全监控、自动驾驶汽车开发或智能制造等不同领域。无论是专业研究人员还是初学者，都可以通过本套材料获得宝贵的学习机会和实践经验。 此外，该资源具有以下特点： - 高准确性：模型在多个数据集上均表现出色的识别能力。 - 快速推理速度：由于采用了高效的算法设计及优化策略，在处理实时视频流时能够提供快速响应。 - 用户友好性：为用户提供了简洁明了的操作指南和支持材料。
     
  • YOLOv5火灾检测数据集与代码及模型.zip
    优质
    本资料包包含用于训练YOLOv5进行火灾检测的数据集、代码和预训练模型，适用于计算机视觉项目中火灾监测系统的开发。 提供YOLOV5火灾检测的数据集、代码及模型，并包含处理VOC数据集的常用脚本以及PyTorch转换至TensorRT的转换脚本。此外还提供了安全帽检测、行人入侵检测与火灾烟雾检测等模型。
     
  • YOLOv5舰船检测模型及数千张标注数据集+PyQt界面
    优质
    本项目提供基于YOLOv5的高效船舶检测解决方案，并附带包含数千张图像的数据集。此外，还配备有用户友好的PyQt图形界面，便于操作与分析。 Yolov5船只检测项目包含训练好的各种类型船只的检测权重以及PR曲线、loss曲线等等，模型在验证集上的mAP值达到90%以上，并附有几千种不同类型的船只数据集，标签格式为txt和xml两种文件格式，涵盖了舰艇、游轮、帆船、军舰等多个类别。这些数据被分别保存于两个不同的文件夹中。 该项目采用pytorch框架并使用Python编写代码，在配置好环境后可以加载已经训练好的模型直接进行测试以得出结果。 此外，项目还提供了一个基于PyQt的用户界面，支持检测图片、视频以及调用摄像头等功能，并且有相应的选择项供用户操作。
     
  • 基于Yolov5的舰船检测模型及数千张标注数据集
    优质
    本研究提出了一种基于YOLOv5的先进舰船检测模型，并构建了包含数千张图像的高质量标注数据集，显著提升了海上目标识别精度与效率。 使用YOLOv5进行船只检测的项目包含训练好的各种类型船只的权重以及PR曲线、loss曲线等数据，并且有几千种不同类型的船只的数据集，标签格式为txt和xml两种文件形式。这些数据被分为舰艇、游轮、帆船、军舰等多个类别，并分别保存在不同的文件夹中。 该项目采用PyTorch框架，使用Python代码编写。可以与YOLOv5共用一个环境，在配置好环境后可以直接加载已经训练好的模型进行测试并得出结果。
     
  • 行人数据集（含2000张图片）- YOLOv5格式.zip
    优质
    本资源提供了一个包含2000张图像的行人数据集，格式兼容YOLOv5框架，适用于行人检测模型训练和测试。 本数据集包含2000张行人图片的YOLOv5格式数据，可自由划分为训练集、验证集和测试集，适用于行人检测模型的训练与评估。这些图像能够帮助开发人员优化和完善他们的算法，在不同的场景中准确地识别行人的位置和特征。