基于megengine的retinanet的目标检测模型，主干网络ResNet50

基于megengine的retinanet的目标检测模型，主干网络ResNext101

#清磁盘啦~，CSDN“网盘”真好用，感谢CSDN~ 基于openvino实现的口罩检测模型face_mask_detection

(84条消息) Yolo v3目标检测模型代码使用_Exploer_TRY的博客-CSDN博客_yolov3目标检测代码.html

基于pytorch的深度学习车道线检测模型 包含py文件和一些处理方法，可自行更改作学习研究使用 自己跑过效果还不错，检测精度非常高 具体的使用方法已经在readme写清楚了 下载即可使用

为了提高网络入侵检测率，提出一种协同量子粒子群算法和最小二乘支持向量机的网络入侵检测模型（CQPSO-LSSVM）。将网络特征子集编码成量子粒子位置，入侵检测正确率作为特征子集优劣的评价标准，采用协同量子粒子群算法找到最优特征子集，采用最小二乘支持向量机建立网络入侵检测模型，并采用KDD CUP 99数据集进行仿真测试。结果表明，CQPSO-LSSVM获得了比其他入侵检测模型更高的检测效率和检测率。

边缘检测模型-预训练模型

1.训练好的yolov7口罩检测模型 2.模型存放在runs文件夹 3.内部有教程 4.精度93%左右 5.有多个训练好的模型可以使用 6.分为3类，戴口罩、未戴口罩和没戴好口罩

压缩包提供下载的百度网盘链接，请放心购买，永久不失效。 该数据集为自采集数据集，包含的数据类别：10类（丝带凤蝶、人纹污灯蛾、松墨天牛、日本脊吉丁、杨小舟蛾、杨扇舟蛾、柳蓝叶甲、桑天牛、褐边绿刺蛾、黄刺蛾），数据量：2262张，其中标注格式为VOC格式，可用于RCNN、YOLOv1-YOLOv7等各种目标检测模型训练。 该数据集为自采集数据集，包含的数据类别：10类（丝带凤蝶、人纹污灯蛾、松墨天牛、日本脊吉丁、杨小舟蛾、杨扇舟蛾、柳蓝叶甲、桑天牛、褐边绿刺蛾、黄刺蛾），数据量：2262张，其中标注格式为VOC格式，可用于RCNN、YOLOv1-YOLOv7等各种目标检测模型训练。 该数据集为自采集数据集，包含的数据类别：10类（丝带凤蝶、人纹污灯蛾、松墨天牛、日本脊吉丁、杨小舟蛾、杨扇舟蛾、柳蓝叶甲、桑天牛、褐边绿刺蛾、黄刺蛾），数据量：2262张，其中标注格式为VOC格式，可用于RCNN、YOLOv1-YOLOv7等各种目标检测模型训练。

1、YOLOV5行人检测，内含各种训练曲线图，在几千张街道和交通场景的行人数据集中训练得到的权重，并附有数据集，使用lableimg软件标注软件标注好的行人数据，图片格式为jpg，标签有两种，分别为xml格式和txt格式，分别保存在两个文件夹中，类别名为person; 可以直接用于YOLO系列的行人检测，map达90%多 2、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 3、采用pytrch框架，代码是python的