yolov5-pytorch框架做的铁轨表面缺陷系统，里面加pyqt5界面，可做毕业设计

闯红灯检测视频 路口监控

yolov5各子类权重 l, m, s, x

yolov5的权重文件yolov5s/m/l/x.pt -v3.1 源下载地址：https://github.com/ultralytics/yolov5/releases 百度云链接: https://pan.baidu.com/s/1byiG_kaAg-CfXntmOpe1xg 提取码: jrq2

博客原文《深度学习目标检测：YOLOv5实现红绿灯检测(含红绿灯数据集+训练代码) 》https://blog.csdn.net/guyuealian/article/details/128240198 ； 目前，基于YOLOv5s的红绿灯检测精度平均值mAP_0.5=0.93919，mAP_0.5:0.95=0.63967，基本满足业务的性能需求。另外，为了能部署在手机Android平台上，本人对YOLOv5s进行了模型轻量化，开发了一个轻量级的版本yolov5s05_416和yolov5s05_320，在普通Android手机上可以达到实时的检测和识别效果，CPU(4线程)约30ms左右，GPU约25ms左右 ，基本满足业务的性能需求。

YOLOv5 源码无改动可直接用

该存储库代表了Ultralytics对未来对象检测方法的开源研究，并结合了我们在以前的YOLO存储库上在自定义客户端数据集上训练成千上万个模型而获得的经验教训和最佳实践。 所有代码和模型都在积极开发中，如有更改或删除，恕不另行通知。 使用风险自负。 ** GPU速度使用批处理大小为32的V100 GPU测量超过5000张COCO val2017图像的平均每张图像的端到端时间，包括图像预处理，PyTorch FP16推理，后处理和NMS。 来自EfficientDet数据（批量大小为8）。 2020年8月13日： ：nn.Hardswish（）激活，数据自动下载，本机AMP。 2020年7月23日： ：改进了模型定义，培训和mAP。 2020年6月22日： 更新：新机头，减少了参数，提高了速度，并提高了mAP 。 2020年6月19日： 作为新的默认设置，可用于更小的检查点和更快的

深度学习——yolov5源代码 深度学习——yolov5源代码 深度学习——yolov5源代码

python小目标识别航拍车流量检测统计航拍车辆计数yolov5 效果演示：https://www.bilibili.com/video/BV1VP4y1o7He/

YOLOv5纸箱缺陷破损检测模型，附有各种训练曲线图，可使用tensorboard打开训练日志，用于检测纸箱有缺陷和破损的地方