数据集YOLOv5实现佩戴安全帽检测和识别(含佩戴安全帽数据集+训练代码

Anaconda 4.10.3 Tensorflow 2.6.0 python3.7.8 1、将图片通过opencv切割识别定位车牌，切割保存 2、识别省份简称、识别城市代号、识别车牌编号 python train-license-province.py train 进行省份简称训练 python train-license-province.py predict 进行省份简称识别 python train-license-letters.py train 进行城市代号训练 python train-license-letters.py predict 进行城市代号识别 python train-license-digits.py train 进行车牌编号训练 python train-license-digits.py predict 进行车牌编号识别

智能驾驶 车牌检测和识别（三）《CRNN和LPRNet实现车牌识别（含车牌识别数据集和训练代码）》：https://blog.csdn.net/guyuealian/article/details/128704209 更多项目《智能驾驶 车牌检测和识别》系列文章请参考： （1）智能驾驶 车牌检测和识别（一）《CCPD车牌数据集》：https://blog.csdn.net/guyuealian/article/details/128704181 （2）智能驾驶 车牌检测和识别（二）《YOLOv5实现车牌检测（含车牌检测数据集和训练代码）》：https://blog.csdn.net/guyuealian/article/details/128704068 （3）智能驾驶 车牌检测和识别（三）《CRNN和LPRNet实现车牌识别（含车牌识别数据集和训练代码）》：https://blog.csdn.net/guyuealian/article/details/128704209 （4）智能驾驶 车牌检测和识别（四）《Android实现车牌检测和识别（可实时车牌识别）》：https://b

1.可以进行分类任务直接运行 2.有数据集一个17类花分类数据集 3.可以训练自己的数据集 4.可以根据配置文件配置mobilenetV1或者V2或者V3

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实现车辆检测(含车辆检测数据集+训练代码)： https://blog.csdn.net/guyuealian/article/details/128099672

1、YOLOv7行人检测训练权重 ，附有各种训练曲线图，可使用tensorboard打开训练日志，map达90%以上 2、classes: person 3、检测结果和数据集参考：https://blog.csdn.net/weixin_51154380/article/details/127541335?spm=1001.2014.3001.5502

轻量化的训练 模型脚本,适合学习模型原理,可以训练你自己的数据集

tensorflow在线colab网站，训练代码

《YOLOv5实现佩戴安全帽检测和识别(含佩戴安全帽数据集+训练代码)》，目前，基于YOLOv5s的目标检测的佩戴安全帽识别方法的平均精度平均值mAP_0.5=0.93，mAP_0.5:0.95=0.63https://blog.csdn.net/guyuealian/article/details/127250780