1、基于深度学习opencv实现电单车识别检测源码+模型(6800多个目标数据训练)+评估指标曲线+操作使用说明
2、模型文件使用含有6800+个目标数据集训练，训练集大且多样性充足
3、附有训练、loss(损失值)下降曲线、Recall(召回率)曲线、precision(精确度)曲线、mAP等评估指标曲线
4、迭代200次，模型拟合较好。
5、识别一个类别：“电单车”
【备注】有相关使用问题，可以私信留言跟博主沟通。
2022-12-01 17:28:04
36.82MB
智慧工地项目
1、基于YOLOV5安全帽检测系统及危险区域入侵检测告警系统_带GUI界面（包含python源码+项目说明）。
2、该项目是使用 YOLOv5 算法来实现在智能工地安全领域中头盔目标检测的应用。
运用yolov5网络进行工人安全帽检测以及危险区域入侵检测，将报警信息通过微信公众号推送给安全员或者项目负责人。
3、使用的pytorch深度学习框架，python语言编写。
源码中带有pyqt5写的GUI界面，界面按钮名称可以自定义。
资源中含有项目详细操作文档介绍，建议根据项目说明来一步步操作。
【备注】使用过程有问题，请留言或者私信博主！
2022-11-30 12:28:52
22.23MB
1、基于yolov5算法实现跌倒识别检测告警源码+模型文件+评估指标曲线+使用说明
2、附有训练、loss(损失值)下降曲线、Recall(召回率)曲线、precision(精确度)曲线、mAP等评估指标曲线
3、迭代200次，模型拟合较好。
4、识别一个类别，“跌倒”
【备注】有相关使用问题，可以私信留言跟博主沟通。
2022-11-29 21:26:59
31.98MB
【实际项目应用】
口罩佩戴检测
【数据集说明】
口罩检测数据集，一共7889张图片，标签包含两类，分别为 ['mask','nomask']，多种背景，数据经过筛选提取，数据分布均匀且多样性充分，实际项目所用，标签包含voc（xml）、yolo（txt）两种格式，多种目标检测算法可直接使用。人工标注，标注精准，算法拟合很好，数据质量可靠。
【备注】若需要json格式标签，或数据集使用问题，请私信留言。
2022-11-28 21:26:22
751.88MB
1、yolov5检测源码+安全帽佩戴检测模型+使用说明
2、附有训练pr曲线、损失值曲线、召回率曲线、精确度曲线、mAP等评估指标曲线
3、迭代200次，模型拟合较好。
2022-11-28 21:26:17
42.03MB