Advertisement

YOLOv5摩托车、汽车和公交车检测模型+预训练权重+数据集

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

简介：
本项目提供了一个基于YOLOv5的深度学习模型，专门用于检测摩托车、汽车及公交车。包含预训练权重与相关数据集，便于快速部署和二次开发。 使用YOLOv5进行摩托车与汽车检测的项目包括训练好的摩托车检测模型权重、PR曲线、loss曲线等内容，并且在特定数据集上达到了90%以上的mAP值。该数据集中包含car（汽车）、bus（公交车）和motorbike（摩托车）这三类目标，标签格式为txt和xml两种文件类型，分别保存于不同的文件夹中。 该项目采用PyTorch框架编写并使用Python代码实现。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • YOLOv5摩托车、汽车和公交车检测模型+预训练权重+数据集
    优质
    本项目提供了一个基于YOLOv5的深度学习模型，专门用于检测摩托车、汽车及公交车。包含预训练权重与相关数据集，便于快速部署和二次开发。 使用YOLOv5进行摩托车与汽车检测的项目包括训练好的摩托车检测模型权重、PR曲线、loss曲线等内容，并且在特定数据集上达到了90%以上的mAP值。该数据集中包含car（汽车）、bus（公交车）和motorbike（摩托车）这三类目标，标签格式为txt和xml两种文件类型，分别保存于不同的文件夹中。 该项目采用PyTorch框架编写并使用Python代码实现。
     
  • 深度学习目标检测——汽车数据集（含小汽车、行人、自行车、卡车、公交车及摩托车）
    优质
    本项目专注于深度学习在目标检测领域的应用，特别针对包含多种交通参与者（如小汽车、行人、自行车等）的复杂城市道路场景。通过训练模型识别和分类不同类型的交通工具，旨在提升自动驾驶系统的感知能力与安全性。数据集全面覆盖了从小型摩托车到大型公交车的各种车辆类型，为研究者提供了丰富的测试资源。 数据集包含不同类别的车辆和行人图像：自行车291张、小汽车1797张、人1281张、卡车494张、公交车425张以及摩托车328张。所有图片均从网络上爬取，并由人工进行标注，支持VOC、COCO及YOLO三种格式的数据标注样式。如果涉及侵权，请联系作者删除相关数据。
     
  • YOLOv5车辆行人检测及训练权重文件与数据集
    优质
    简介：本项目提供基于YOLOv5模型的车辆和行人检测解决方案，包含预训练权重、优化的数据集及相关代码，适用于快速部署和二次开发。 1. YOLOv5车辆行人检测模型附带各种训练曲线图，并可通过tensorboard打开训练日志文件，mAP值达到90%左右。 2. 该资源包含一个用于车辆行人检测的数据集，标签格式包括VOC和YOLO两种类型。数据集中的人、车类别名称分别为person和car，图像数量约为1万张。 3. 数据集与模型的详细信息可在相关博客文章中找到。
     
  • YOLOv10汽车轮胎检测，含训练完成的汽车轮胎识别权重及数据集
    优质
    本项目提供先进的YOLOv10算法模型，专注于汽车轮胎的精准检测。包含训练完毕的汽车轮胎识别模型与详尽的数据集，适用于自动驾驶、车辆维护等场景。 YOLOv10用于汽车轮胎检测的模型已经训练完成，并包含了识别权重、PR曲线及loss曲线等相关数据。该模型是在专门针对汽车轮胎的数据集上进行训练得到的，类别名称为tire，标签格式支持txt和xml两种形式，分别存储在不同的文件夹内。 此项目使用了pytorch框架并采用Python编写代码。相关数据集与检测结果可以参考相应文档或文章中的描述。
     
  • 电动汽车预测用训练数据集
    优质
    本数据集专为电动汽车性能预测设计，包含大量车辆运行状态及环境参数记录，旨在提升机器学习模型在电动车领域的应用精度与效率。 请使用上传的资源文件来帮助我解决如何绘制连续性特征与价格之间的概率密度曲线的问题，并用直方图处理离散型特征与价格的关系。通过对这些特征进行分析，找出影响价格的关键因素并删除无关特征。此资源仅用于学术交流，不应用于商业用途。
     
  • Yolo算法用车辆数据集-含2129张标注图片-涵盖卡车、小汽车和摩托车及公交车.zip
    优质
    本资源提供了一个包含2129张注释图像的数据集，专为YOLO算法训练设计。该数据集涵盖了多种常见车辆类型，包括卡车、小汽车、摩托车及公交车，有助于提高模型在复杂交通环境下的识别精度和速度。 Yolo系列算法的目标检测数据集包含标签文件，可以直接用于训练模型及验证测试。该数据集已经划分好，并附有data.yaml配置文件，适用于yolov5、yolov8、yolov9、yolov7、yolov10和yolo11等算法。 此数据集中有两种格式的标签：Yolo格式（txt文件）与VOC格式（xml文件），分别存储在不同的文件夹中。Yolo格式的具体内容为： ，其中： - `` 表示目标类别的索引值，从0开始计数。 - `` 和 `` 分别是目标框中心点的X和Y坐标，这些坐标是以图像宽度和高度为基准的比例值，在0到1之间变化。 - `` 和 `` 表示目标框的实际宽度与高度，同样以比例形式给出。
     
  • 摩托车检测数据集 - 目标检测系列 - DataBall
    优质
    摩托车检测数据集是DataBall推出的目标检测系列产品之一，专门针对不同品牌和型号的摩托车进行精确识别与分类，助力自动驾驶技术的研发。 数据集-目标检测系列-摩托车检测数据集 motorcycle - DataBall 数据量：110个样本 解析脚本地址提供了解析脚本的相关信息。 运行方式： 设置脚本数据路径 path_data 运行脚本：python demo.py
     
  • YOLOv5车辆三类检测模型权重+代码+VOC格式数据集
    优质
    简介：本资源提供YOLOv5针对车辆分类（含轿车、卡车、SUV）的预训练模型及源码，并包含采用VOC格式标注的数据集，适用于快速上手和深度研究。 提供YOLOv5车辆三类检测权重文件以及训练过程中生成的各种曲线图，可以使用TensorBoard查看训练日志。 包含一个用于车辆检测的三类别数据集，其中包括1793张图片，每张图片中可能含有多个目标（car、bus和truck）。标签格式支持VOC和YOLO两种类型。所有图像中的目标清晰可见。
     
  • 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。