1、基于yolov5算法实现摩托车识别检测源码+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、训练使用4142张图片训练，9000多个目标对象
4、迭代200次，模型拟合nice，高评估指标。
【备注】有相关使用问题，可以私信留言跟博主沟通。
2022-11-29 16:27:54
42.6MB
这是对2014 IEEE trans on GRS上的经典论文LCM的实现，还没有对代码进行优化，能完成任务，但效率不太高。
2022-10-23 15:39:40
4KB
1
本课程包括下面6个经典目标检测算法模型的讲解：
1.基于自己数据集的Faster RCNN模型训练、验证以及nnie上仿真和运行。
2.基于自己数据集的RFCN模型训练、验证以及nnie上仿真和运行。
3.基于自己数据集的SSD模型训练、验证以及nnie上仿真和运行。
4.基于自己数据集的MobilenetSSD模型训练、验证以及nnie上仿真和运行。
5.Yolov2模型验证以及nnie上仿真和运行。
6.Yolov3tiny模型验证以及nnie上仿真和运行。
本课程特色：
1.实用性强，几乎囊括了当前所有经典的目标检测算法模型。
2.有深度。从模型框架原理、搭建、训练自己数据集一直讲到模型量化成wk文件、仿真以及开发板上运行。
2022-09-26 17:14:36
629.02MB
1
包括：CUDA版本说明，标注样例说明与标注准则；训练流程说明；测试流程说明；训练与测试均有需要修改的地方的代码截图
2022-09-20 20:06:14
427KB
1
下载后解压源码，pip install -r requirement.txt，安装所需python依赖，然后直接python detect.py运行程序，输入源可以设定为webcam、图片、视频、文件夹、网络视频、rtsp视频流等，权重文件使用yolov5s.pt效果最好。代码在windows和ubuntu18.04下都进行了充分测试，完美运行。
2022-07-04 14:12:30
843KB
本篇综述的出发点一方面是希望给检测方向的入门研究人员提供一个技术概览，帮助大家快速了解目标检测技术上下文；另一方面是给工业界应用人员提供一些参考，通过本篇综述，读者可以根据实际业务场景，找到合适的目标检测方法，在此基础上改进、优化甚至是进一步创新，解决实际业务问题。本文对其中的27篇论文进行介绍，这27篇论文涵盖了 2013 以来，除 SSD、YOLO 和 R-CNN 系列之外的，所有引用率相对较高或是笔者认为具有实际应用价值的论文。
2022-06-23 19:17:59
5.57MB
1