用yolov5算法实现猪体检测识别，模型已经训练完毕，存放路径在runs/train目录下，模型可以直接拿来使用，相应的训练参数见runs/train下面的相应图形，检测效果见runs/detect目录下。可以用来做猪(pig)的盘点等应用。
2023-03-13 17:03:12
509.96MB
1
视频链接如下：
https://www.bilibili.com/video/BV16Z4y127w3/?vd_source=6ea7a224dd878fde411995c70d3c5adb#reply118347089152
看好多人要数据集，可能看不到，就存在这里吧。
2023-03-11 16:47:12
288.74MB
1
强地物杂波严重影响雷达系统对慢速目标的探测性能，对此设计了基于零频抑制与杂波图的地面慢速目标检测方法。采用Kalmus滤波器提高零频抑制能力，并针对慢速目标检测的实际需求，对其滤波性能和设计方法进行了分析。采用空间邻域插值方式完成目标区域的杂波背景积累，解决慢速目标检测不连续问题。最后对改进的慢速目标检测方法进行了仿真分析。实验结果表明，该方法对地面慢速目标的检测概率优于其他方法。
2023-03-11 11:51:46
1.33MB
1
基于YOLOv5和PSPNet的实时目标检测和语义分割系统源码.zip
2023-03-10 16:48:53
322.58MB
1
主要介绍了利用ImageAI库只需几行python代码超简实现目标检测功能，非常不错，具有一定的参考借鉴价值,需要的朋友可以参考下
2023-03-10 15:52:17
321KB
1
数据集标注软件labelimg，基于python的安装包，同时也有打包好的exe文件，对于新手可以直接运行，目标检测领域数据集标注的不二选择。
2023-03-10 10:35:25
22.64MB
1
yolov5实现目标检测，包括yolov5整个训练亲测流程，改代码配置好所需cuda、torch等环境后，可直接运行，或者按照训练流程重新训练和测试自己的数据集，包教会。
2023-03-08 21:06:08
72.61MB
1
针对实际交通场景下的车辆目标，应用深度学习目标分类算法中具有代表性的Faster R-CNN框架，结合ImageNet中的车辆数据集，把场景中的目标检测问题转换为目标的二分类问题，进行车辆目标的检测识别。相比传统机器学习目标检测算法，基于深度学习的目标检测算法在检测准确度和执行效率上优势明显。通过本实验结果分析表明，该方法在识别精度以及速度上均取得了显著的提高。
2023-03-08 17:30:57
2.57MB
1
口罩数据集，可以用来训练yolo系列的模型，这里面有label文件，直接编写数据集路径就能进行训练了。就可以完成了。数据集 不大也不小，cl为两类，一类是mask，一类是unmask。很简单。最重要的是还包括了未正确佩戴口罩的图片（也就是那些戴口罩漏鼻子的）！把这部分也作为未佩戴口罩的数据集，在极高的实际意义。所有图片均是由人脸识别模块切割出，只包含人脸这一小部分图像，对训练的准确性有极大的提高，还进行了旋转操作实现数据增强。可以是yolo格式的，也可以是voc格式的。
2023-03-08 15:08:19
60.87MB
1