Advertisement

Darknet版YOLOv3火灾检测模型及训练好的权重文件（含2000数据集）

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

简介：
本资源提供基于Darknet框架下的YOLOv3火灾检测模型及其预训练权重，利用包含约2000张图像的数据集进行深度学习训练。 Darknet版YOLOv3火焰识别：1、包含训练好的weights权重文件以及后缀为cfg、data、names的配置文件，并附有训练map曲线和loss曲线，map值达到80%以上；2、提供一个包含2000多张图片的数据集用于火焰检测，类别名为fire，标签格式包括txt和xml两种，分别保存在两个不同的文件夹中；3、参考检测效果详见相关博客文章。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • Darknet版YOLOv3火灾检测模型及训练好的权重文件（含2000数据集）
    优质
    本资源提供基于Darknet框架下的YOLOv3火灾检测模型及其预训练权重，利用包含约2000张图像的数据集进行深度学习训练。 Darknet版YOLOv3火焰识别：1、包含训练好的weights权重文件以及后缀为cfg、data、names的配置文件，并附有训练map曲线和loss曲线，map值达到80%以上；2、提供一个包含2000多张图片的数据集用于火焰检测，类别名为fire，标签格式包括txt和xml两种，分别保存在两个不同的文件夹中；3、参考检测效果详见相关博客文章。
     
  • VOC格式的火灾检测图像集合及预训练Yolo_Tiny模型权重
    优质
    本项目提供了一套基于VOC格式的火灾检测图像数据集，并附有针对YOLO-Tiny模型优化后的预训练权重文件，旨在促进火灾监控系统的研发与应用。 通过处理将火焰图集合转换为VOC数据集，并使用训练好的yolo_tiny火焰检测weights进行训练后，可以实现基于yolo-tiny的图像检测功能。
     
  • 基于YOLOV5的火灾火焰与烟雾检测源码、数据集及训练好的模型（Python版）
    优质
    本项目提供基于YOLOv5框架的火灾火焰和烟雾检测解决方案，包括Python代码、训练所需数据集及预训练模型。 基于YOLOV5的火灾火焰烟雾检测源码、数据集以及训练好的模型已准备好。同样提供的是Python版本的火灾火焰烟雾检测源码、数据集及训练完成的模型。这些资源可以用于实现高效的火灾监控系统，帮助及时发现并响应火情。
     
  • 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。
     
  • 基于YOLOv3的道路裂缝检测及训练好的模型与数据集
    优质
    本研究利用改进的YOLOv3算法进行道路裂缝检测，并提供训练完成的模型和数据集。旨在提高裂缝识别精度，保障道路安全。 YOLOv3训练好的道路裂缝检测模型包含1000多张标记的数据集，标签格式为xml和txt两种。配置好环境后可以直接使用。 数据集和检测结果的参考可以参见相关文献或报告。该模型采用pytorch框架，代码是用python编写的。
     
  • YOLOv7船舶检测及训练好的船舶检测权重和数据集
    优质
    本项目提供先进的YOLOv7模型用于高效准确的船舶检测，并包含经过充分训练的船舶检测权重与特定数据集，适用于海洋监控、安全等领域。 使用YOLOv7训练船舶检测模型，并包含已标注的船舶数据集。标签格式为xml和txt两种，类别名为boat。采用pytorch框架，代码用Python编写。
     
  • 基于YOLOv5s的火焰检测模型训练权重
    优质
    本项目采用轻量级目标检测框架YOLOv5s，专注于火焰识别任务，通过大量标注数据训练得到高效准确的火焰检测模型权重。 分PT和ONNX两种格式，其中ONNX可以被OpenCV470识别（C++）。
     
  • 在Windows GPU版Darknet上用YOLOv3训练首个检测模型.pdf
    优质
    本文档提供了在Windows系统GPU版本Darknet框架下使用YOLOv3算法进行目标检测模型训练的具体步骤和实践经验，为初学者和研究者提供了一份实用的指导手册。 使用Darknet（Windows GPU版本）进行YOLOv3训练以创建自己的第一个检测模型。