Advertisement

基于Yolov5和大疆教育无人机Tello TT的目标识别、追踪与测距系统(含源码、数据集及训练模型).7z

  • 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算法和DJI Tello TT教育无人机的目标识别、追踪与测距系统,包括源代码、数据集以及预训练模型。 基于Yolov5与大疆教育无人机Tello TT实现目标识别检测及追踪测距的完整源码、数据集、训练好的模型以及操作说明文档现已提供。该项目的目标是识别并追踪旗子和圈形物体,相关模型已经经过调优处理,请参考项目中的步骤进行操作。 本项目主要适用于正在完成毕业设计的学生以及需要在实际环境中应用深度学习与计算机视觉图像识别技术的学习者。同样适合课程设计或期末作业的使用需求。该项目包含完整的源代码、训练好的模型和详细的项目操作说明,可以直接用于毕业设计,并且可以作为进一步研究的基础进行修改以训练其他类型的模型。 对于具备一定基础的技术人员来说,在此基础上稍作改动便能实现更多功能的学习与开发工作。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • Yolov5Tello TT).7z
    优质
    本项目提供了一个基于YOLOv5算法和DJI Tello TT教育无人机的目标识别、追踪与测距系统,包括源代码、数据集以及预训练模型。 基于Yolov5与大疆教育无人机Tello TT实现目标识别检测及追踪测距的完整源码、数据集、训练好的模型以及操作说明文档现已提供。该项目的目标是识别并追踪旗子和圈形物体,相关模型已经经过调优处理,请参考项目中的步骤进行操作。 本项目主要适用于正在完成毕业设计的学生以及需要在实际环境中应用深度学习与计算机视觉图像识别技术的学习者。同样适合课程设计或期末作业的使用需求。该项目包含完整的源代码、训练好的模型和详细的项目操作说明,可以直接用于毕业设计,并且可以作为进一步研究的基础进行修改以训练其他类型的模型。 对于具备一定基础的技术人员来说,在此基础上稍作改动便能实现更多功能的学习与开发工作。
  • Yolov5口罩检).zip
    优质
    本资源包含一个用于口罩检测的数据集及基于YOLOv5的预训练模型。数据集中含有详细的图像标注,便于快速上手进行相关研究和应用开发。 基于Yolov5的口罩检测识别数据集包括训练好的模型以及标注好的数据。整个数据集包含以下内容: - labels:所有图片对应的标签文件。 - photoes:经过整理后的图片数据集,原始图片来自特定来源。 - yolov5-master:存放Yolov5相关模型文件的文件夹。 - transmit.py:一个Python程序,用于快速将从GitHub下载的数据写入指定目录。
  • Yolov5PT
    优质
    本数据集为基于Yolov5框架的人脸识别项目定制,包含大量标注图像,旨在优化模型在人脸检测与识别任务中的性能。 人脸识别模型的准确率超过98%。
  • YOLOV5交通.zip
    优质
    本资源包包含基于YOLOv5架构开发的交通标志识别系统全套资料,包括源代码、标注数据集和预训练模型,适合研究与应用开发。 该项目是一个基于YOLOV5的交通标志识别检测系统的个人大作业项目源码。评审分数高达98分,并且经过严格的调试确保可以正常运行。您可以放心下载并使用此资源,其中包括了项目的源代码、数据集以及训练好的模型文件。
  • (UAVDT)
    优质
    UAVDT数据集专为评估无人机上的目标检测与追踪算法设计,包含多种场景下的高清视频及标注信息,促进智能监控技术的发展。 UAVDT是一个具有大规模挑战性的无人机检测与跟踪基准(包含约8万帧代表性样本,来自10小时的原始视频),旨在评估三项重要的基础任务:目标检测(DET)、单对象跟踪(SOT)以及多对象跟踪(MOT)。数据集中的图像由无人机在各种复杂场景下拍摄得到。该基准主要关注的对象是车辆,并通过手动标注边界框及一些有用属性(例如,车辆类别和遮挡情况)来注释帧。 UAVDT基准包含100个视频序列,这些序列是从城市地区多个地点的无人飞行器平台收集超过十小时录像中挑选出来的。它们涵盖了多种常见场景如广场、主干道、收费站、高速公路以及各种交叉路口等。所有视频以每秒30帧(fps)的速度录制,并且JPEG图像分辨率为1080×540像素。 该数据集提供的只是原始图片,不包含任何注释信息。
  • YOLOV5口罩检).zip
    优质
    本资源提供了一个基于YOLOv5的口罩检测解决方案,内含完整代码、预训练模型以及详细的标注数据,适用于快速部署与二次开发。 本项目基于YOLOV5口罩检测数据集系统、代码以及训练好的模型,并包含已标注的数据。该项目已经导师指导通过,获得高分评价,是一份高质量的课程设计作业。
  • YOLOV5头盔佩戴检程)
    优质
    本项目提供了一个基于YOLOv5框架实现的头盔佩戴自动检测系统,包含详尽的数据集与源代码,并附有从零开始构建和训练模型的教程。 基于YOLOV5的头盔佩戴检测识别系统提供源码、数据集、训练好的模型及详细教程,并附有代码注释,适合初学者理解使用。该项目获得了导师的高度评价并取得了优异的成绩,在毕业设计、期末大作业和课程设计中可以作为高分保障项目选择。下载后简单部署即可投入使用。
  • YOLOV5头盔佩戴检程).zip
    优质
    本资源提供了一个基于YOLOv5框架的头盔佩戴自动检测系统的完整解决方案,包括源代码、详实的数据集以及详细的训练和模型部署教程。适合开发者快速上手和研究使用。 基于YOLOV5的头盔佩戴检测识别系统(源码+数据集+训练好的数据+教程).zip是一个个人高分毕业设计项目文件。该文档详细介绍了如何配置电动自行车头盔佩戴检测系统的开发环境,包括运行环境和基本环境配置两部分说明。在程序启动之前,请仔细阅读此文档并根据指示设置设备的相应运行条件。
  • YOLOV5头盔佩戴检程.zip
    优质
    本资源提供基于YOLOv5框架开发的头盔佩戴自动检测系统完整代码和训练所需数据集,并附带详细操作指南,适用于安全监控等应用场景。 基于YOLOV5的头盔佩戴检测识别系统包括源码、训练好的数据以及教程。在使用过程中需要对参数进行调整。打开train.py文件,在if __name__ == __main__:部分开始修改参数,将权重文件地址更改为default=weights/yolov5m.pt,并添加parser.add_argument(--weights, type=str, default=weights/yolov5m.pt);配置项可改可不改,默认为models/yolov5m.yaml的parser.add_argument(--cfg, type=str, default=models/yolov5m.yaml)。其中,yolov5m.yaml里的anchors:需要通过k-means进行聚类处理。