Advertisement

Yolov5-DeepSORT模型在俯瞰场景中，对visdrone数据集进行车辆检测与跟踪，并训练权重。

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

简介：
1、本项目专注于YOLOv5-Deepsort算法在俯瞰场景下的应用，针对Visdrone数据集的车辆检测与跟踪任务，提供包含YOLOv5预训练权重以及详尽的训练曲线数据集。 2、该系统具备生成目标车辆运动轨迹的能力，为后续分析和应用提供有力支持。 3、实现方式采用PyTorch框架，并提供相应的Python代码，方便用户进行二次开发和定制。 4、实验结果已发表于博客：

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 基于Yolov5-DeepSort的VisDrone数据车辆检测与跟踪（含俯视视角及训练权重）
    优质
    本项目采用Yolov5和DeepSort算法对VisDrone数据集中的车辆进行精准检测与跟踪，同时提供俯视视角展示功能，并开放训练权重供研究者使用。 使用yolov5-deepsort在俯视场景下进行visdrone数据集中的车辆检测与跟踪。包含YOLOv5训练好的visdrone数据集权重以及各种训练曲线，可以生成目标运动轨迹。整个项目基于pytorch框架，并采用python代码实现。 结果参考如下博客文章：https://blog..net/zhiqingAI/article/details/124230743（原文中包含的链接，请删除以符合要求）
     
  • 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。
     
  • Unbox_YOLOv5_DeepSort_Counting: YOLOv5与DeepSort行人和车辆跟踪检测计数
    优质
    Unbox_YOLOv5_DeepSort_Counting项目结合了YOLOv5目标检测算法及DeepSort跟踪技术，实现高效、准确的行人与车辆检测和计数，适用于智能监控等领域。 YOLOv5 和 DeepSort 的行人及车辆跟踪、检测与计数功能已实现进出方向的分别计数，默认为南北向检测。如需更改位置或方向，请在 main.py 文件第13行和21行修改两个polygon点的位置。默认支持的检测类别包括：行人、自行车、小汽车、摩托车、公交车及卡车，可在 detector.py 文件第60行进行调整。 运行环境要求 Python 3.6+ 和 pip 20+ 版本以及 pytorch。安装依赖库使用命令 `pip install -r requirements.txt` 安装所需模块。 下载代码可通过以下步骤完成： 1. 使用命令 `$ git clone https://github.com/dyh/unbox_yolov5_deepsort_counting.git` （注意：由于仓库包含weights及mp4等文件，如果git克隆速度较慢，可以考虑直接从GitHub下载zip格式的压缩包） 2. 进入目录后使用命令 `cd unbox_yolov5_dee`。
     
  • Visdrone数据集上训练的YOLOv5-v5.0模型权重(yolov5-5.0-visdrone.zip)
    优质
    这段简介可以这样写：yolov5-5.0-visdrone.zip包含了在VisDrone数据集上经过充分训练的YOLOv5版本5.0模型权重，适用于无人机相关的视觉任务。 Visdrone数据集YOLOv5训练权重包括两个模型：YOLOv5s-visdrone.pt 和 yolov5m-visdrone.pt，还包括各种训练曲线、相关场景测试视频以及yolov5-5.0的代码。
     
  • 基于YOLOv5-Deepsort的行人检测与跟踪代码及预训练模型
    优质
    本项目提供基于YOLOv5和DeepSort算法的行人检测与跟踪解决方案，包含详尽的代码实现及高效预训练模型，适用于多种监控场景。 该系统使用YOLOv5-DeepSort进行行人检测与跟踪，包含训练好的行人检测权重及各种训练曲线，目标类别为person。可以生成行人的运动轨迹，并基于PyTorch框架编写Python代码。参考结果可参见相关文献或博客文章以获取更多细节和示例。
     
  • 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与DeepSort的车辆检测与跟踪系统
    优质
    本项目开发了一套高效的车辆检测与跟踪系统，结合了先进的YOLOv5目标检测算法和DeepSort跟踪模型，旨在提供精准、实时的车辆监控解决方案。 Yolov5_DeepSort车辆检测和跟踪系统包含车辆数据集以及训练好的YOLOv5车辆检测权重，代码配置好环境后可以直接使用。
     
  • 基于 YOLOv5-Deepsort 的车辆与行人目标跟踪及数据集
    优质
    本研究采用YOLOv5和DeepSort技术结合，实现高效准确的车辆与行人检测与跟踪，并构建相关数据集以提升模型性能。 YOLOv5-deepsort 是一个用于车辆和行人目标跟踪的代码库，已经配置好可以下载使用。它包括训练好的 YOLOv5s-person_car.pt 模型，并附带测试视频、提取的目标运动质心坐标以及绘制出的目标运动轨迹的功能。此外还提供了详细的使用说明，支持的目标类别为 person 和 car，并包含标注好的数据集。
     
  • 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。
     
  • 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。