适用于yolov5 6.0版本的 拥挤人群识别跟踪权重

参考博客链接：https://blog.csdn.net/m0_46384757/article/details/116424523

权重文件，深度学习，重要是用于道路的分割，也可以用于其他的分割，这个是与训练的权重可以直接用来做测试

SLOWFAST_8x8_R50_DETECTION.pyth 权重文件

1、yolov5交通指示牌识别，包含训练好的交通标志识别权重，以及PR曲线，loss曲线等等，在5000多交通标志检测据集中训练得到的权重，将交通指示牌(不含交通灯)分为警告标志、禁令标志、指示标志和指路标志一共4类，对应英文类别名为warn_sign、ban_sign、guide_sign、wayfinding_sign，标签格式为txt和xml两种，分别保存在两个文件夹中 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，python代码

直接调用该权重，识别是否佩戴口罩 face or mask 解压后是.pt

yolov3 512输入预训练权重

darknet是一个较为轻型的完全基于C与CUDA的开源深度学习框架，其主要特点就是容易安装，没有任何依赖项（OpenCV都可以不用），移植性非常好，支持CPU与GPU两种计算方式。Darknet的优势： darknet完全由C语言实现，没有任何依赖项，当然可以使用OpenCV，但只是用其来显示图片、为了更好的可视化； darknet支持CPU（所以没有GPU也不用紧的）与GPU（CUDA/cuDNN，使用GPU当然更块更好了）； 正是因为其较为轻型，没有像TensorFlow那般强大的API，所以给我的感觉就是有另一种味道的灵活性，适合用来研究底层，可以更为方便的从底层对其进行改进与扩展

针对二次NURBS曲线及双二次NURBS曲面的权重系数计算方法进行了研究，提出了一种新的二次NURBS曲线、曲面的权重系数计算方法。该方法改进了现有方法中数据规范化、相关矢量和相关矩阵的计算方法，去掉了在计算过程中对相关矩阵的求逆，并且增加了一项顶点系数。与现有方法相比，该方法能够更快地计算出每一个控制顶点的权重系数。采用几个经典的数值算例对该方法进行了验证，结果表明用该方法计算的权重系数去进行曲线、曲面的拟合，能够得到比现有方法更高的拟合精度。

yolov5n wts