Advertisement

人脸检测与行人检测（二）：基于YOLOv5的实现（附数据集及训练代码）(复件).txt

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

简介：
本文详细介绍了如何利用YOLOv5进行人脸和行人检测的实践方法，并提供了所需的数据集以及训练代码，帮助读者轻松上手。 人脸检测与行人检测分为四个部分： 1. 介绍并提供了相关的人脸及人体数据集。 2. 使用YOLOv5模型进行人脸及行人的检测，并包含所需的数据集以及训练代码。 3. 在Android平台上实现实时的人脸和行人检测功能，提供源码支持。 4. 利用C++语言开发了可实时运行的人脸与行人识别系统，同样提供了完整的源代码。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 人脸检测与行人检测（二）：基于YOLOv5的实现（附数据集及训练代码）(复件).txt
    优质
    本文详细介绍了如何利用YOLOv5进行人脸和行人检测的实践方法，并提供了所需的数据集以及训练代码，帮助读者轻松上手。 人脸检测与行人检测分为四个部分： 1. 介绍并提供了相关的人脸及人体数据集。 2. 使用YOLOv5模型进行人脸及行人的检测，并包含所需的数据集以及训练代码。 3. 在Android平台上实现实时的人脸和行人检测功能，提供源码支持。 4. 利用C++语言开发了可实时运行的人脸与行人识别系统，同样提供了完整的源代码。
     
  • 行人检测（人体检测）II：基于YOLOv5的人体检测（包含数据集与训练代码）.txt
    优质
    本文件提供了基于YOLOv5框架进行行人检测的研究内容，包括详细的数据集介绍及训练代码分享。 更多关于《行人检测（人体检测）》系列的文章可以参考以下内容： - 行人检测（人体检测）1：介绍了人体检测数据集，并提供了下载链接。 - 行人检测（人体检测）2：使用YOLOv5实现人体检测，包括了人体检测的数据集和训练代码。 - 行人检测（人体检测）3：在Android平台上实现了实时的人体检测功能，并附带源码供参考。 - 行人检测（人体检测）4：通过C++语言实现实时的人体检测技术，并提供了相关源码。 以上文章详细介绍了行人及人体的多种检测方法和技术实现。
     
  • 基于YOLOv5的手部检测实现（附训练代码及数据集）.txt
    优质
    本项目提供了一种基于YOLOv5框架的手部检测解决方案，并包含完整的训练代码和数据集资源。适合研究与应用开发使用。 手部关键点检测可以通过多种方法实现： 1. 使用YOLOv5进行手部检测，并包含训练代码和数据集。 2. 提供一个使用Pytorch的手部关键点检测方案，同样包括了训练所需的代码和数据集。 3. 在Android平台上实现了实时的手部关键点检测功能，提供了源码以方便开发人员参考。
     
  • 基于YOLOv5的行人检测及训练完成的行人检测模型与数据集
    优质
    本研究采用YOLOv5框架开发了高性能的行人检测系统，并完成了相应的大规模数据集训练。该模型在准确率和实时性上表现出色，适用于各类应用场景。 YOLOV5行人检测模型在包含数千张街道和交通场景的行人数据集上训练完成，并附有该数据集。使用lableimg软件标注工具对行人进行了标记，图片格式为jpg，标签有两种形式：xml格式与txt格式，分别保存于两个不同的文件夹中，类别名称统一为person。此模型可以直接用于YOLO系列的行人检测任务，在map指标上达到了90%以上。
     
  • 基于YOLOv5的车辆检测实现（附数据集与训练代码）
    优质
    本项目采用YOLOv5框架进行车辆目标检测，包含详尽的数据集及训练代码，旨在提供一个高效、准确的目标检测解决方案。 YOLOv5实现车辆检测包括了使用特定的车辆检测数据集以及编写训练代码。相关细节可以在博客文章《128099672》中找到，其中详细介绍了如何利用YOLOv5进行高效的车辆识别工作。
     
  • 基于PyTorch的戴口罩人脸检测与识别实现（附训练代码及数据集）
    优质
    本项目使用PyTorch框架，致力于开发一种高效的算法模型，专门针对佩戴口罩的人脸进行精准的检测和识别。除了核心源码外，还提供了宝贵的训练数据集以供研究参考。旨在促进相关领域的科研进展与实际应用。 使用Pytorch实现的戴口罩人脸检测与识别项目取得了较高的准确率，在ResNet50模型上可以达到99%左右，在轻量化版本MobileNet-v2上也能保持在98.18%左右。该项目还包括一个Android应用演示程序，用于体验戴口罩人脸识别的功能。
     
  • YOLOv4人脸检测训练数据集
    优质
    简介：该数据集专为优化YOLOv4算法在人脸识别任务中的性能而设计，包含大量标注的人脸图像，助力研究人员与开发者提升模型准确度。 这是一个YOLOv4人头检测器训练数据集，是从网友分享的数据集中生成的，适用于Yolov4。仅供学习使用。如涉及侵权，请联系删除。谢谢。
     
  • 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。
     
  • RetinaFace的PyTorch人脸检测训练代码及预训练模型，基于WIDERFACE数据集
    优质
    本项目提供RetinaFace的人脸检测PyTorch训练代码和预训练模型，适用于研究与开发。训练过程采用WIDERFACE数据集，实现高精度的人脸定位、关键点检测等功能。 1. 提供了基于Pytorch的人脸检测SOTA算法RetinaFace模型的代码实现； 2. 训练数据集可通过网盘下载链接获取，并将其解压到指定目录以运行训练代码； 3. 下载数据集后，通过运行train.py脚本可以开始训练过程，默认配置使用mobilenet网络架构。如需更改，请在train.py中将parser参数修改为resnet进行训练； 4. 提供了预训练好的mobilenet模型pth文件，可以直接用于测试或推理任务。
     
  • 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。