追踪微流体中的液滴是一项具有挑战性的任务。选择一种工具来分析一般的微流体视频以推断物理量会遇到困难。这个 最先进的物体探测器算法You Only Look Once（YOLO）和 对象跟踪算法简单在线和具有深度关联度量的实时跟踪（DeepSORT）可定制用于液滴识别和跟踪。 定制包括培训YOLO和DeepSORT网络，以识别和 跟踪感兴趣的对象。我们训练了几个YOLOv5和YOLOv7模型 用于微流体实验视频中液滴识别和跟踪的DeepSORT网络。我们比较了液滴跟踪应用程序的性能 YOLOv5和YOLOv7在训练时间和分析给定问题的时间方面 跨各种硬件配置的视频。尽管最新的YOLOv7是10% 速度更快，只有RTX 3070上较轻的YOLO型号才能实现实时跟踪 Ti GPU机器，由于 DeepSORT算法。这项工作是YOLOv5和 在训练时间和推理时间方面，带有DeepSORT的YOLOv7网络 用于微流体液滴的定制数据集。

此资源python实现Yolov7 ，有比较完整的注释，帮助读者可以轻松地读懂代码 里面有readme文件可以帮助读者找到相应的博客，相应的bilibili、github 适用于对Yolo有一定了解的人，对Yolov3\v4\v5等等的结构都有一定了解的人。适用于各个方面，帮助读者从代码层面更加细致地了解算法。

各论文如下： 1）You Only Look Once:Unified, Real-Time Object Detection； 2）YOLO9000:Better, Faster, Stronger； 3）YOLOv3: An Incremental Improvement； 4）YOLOv4: Optimal Speed and Accuracy of Object Detection； 5）You Only Look One-level Feature; 6)DetectoRS: Detecting Objects with Recursive Feature; 7)YOLOv6: A Single-Stage Object Detection Framework for Industrial Applications； 8）YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors；

基于yolov7实现卡车识别检测源码+训练好模型(9000多个卡车目标训练)+配置文件+评估指标曲线.zip 模型识别检测类别为1类 ['卡车'] 【模型介绍】 1.模型使用的是yolov7-tiny.yaml、hyp.scratch.custom.yam训练 2.模型使用高性能显卡+高质量数据集训练迭代200次得到，识别检测效果和评估指标曲线都不错，实际项目所用，不需要二次训练或者微调，可用作实际项目、课程实验作业、模型效果对比、毕业设计、课程设计等，请放心下载使用！

yolov7-pose TensorRT推理配 window平台以及ubuntu平台都可 详细的配置过程请参考主页的博客

1、YOLOv7汽车轮胎检测，包含训练好的汽车轮胎识别权重，以及PR曲线，loss曲线等等，在汽车轮胎检测据集中训练得到的权重，类别名为tire，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

coco128数据集

c# 调用yolov7 tensorrt c++ dll，推理。 RTX2060推理yolov7， FP32 耗时 28ms ，FP16 耗时 8ms，

YOLOv7纸箱缺陷破损检测模型，附有各种训练曲线图，可使用tensorboard打开训练日志，用于检测纸箱有缺陷和破损的地方

目录结构如下： football_yolodataset ├─testset │ ├─images │ │ ├─Image601.jpg │ │ ├─Image610.jpg │ │ ├─Image611.jpg │ │ ├─...... │ │ │ │ └─labels │ │ ├─Image601.txt │ │ ├─Image610.txt │ │ ├─Image611.txt │ │ ├─...... │ │ │ └─trainset ├─images │ ├─10.jpg │ ├─11.jpg │ ├─12.jpg │ ├─...... │ │ └─labels ├─10.txt ├─11.txt ├─12.txt ├─......