输电线路异物数据集（4517+VOC），包含约4k张8k分辨率的高质量图像。已由我们整理好分为训练集、测试集，可直接用于YOLO

用于voc数据集的清洗，自动对应文件夹中的xml和jpg文件，并绘制目标检测框，将xml文件和图片放入一个命名为train的文件夹，程序放入和train同级的目录，运行程序，得到整理好的xml文件夹和img文件夹，同时取出部分图片绘制目标检测框

1、基于yolov5算法实现绝缘子及绝缘子缺陷识别检测源码+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、迭代200次，模型拟合较好。 4、识别2个类别，分别是“绝缘子”和“绝缘子缺陷” 【备注】有相关使用问题，可以私信留言跟博主沟通。

yolov5网络剪枝代码

目标检测yolo系列python3.9环境依赖包全集 提供给离线服务器安装包torch-1.10.1+cu113-cp39-cp39-linux_x86_64 torchvision-0.12.0+cu113-cp39-cp39-linux_x86_64 torchaudio-0.11.0+cu113-cp39-cp39-linux_x86_64

历时一个多月之久，将YOLOV3-spp代码一行一行学习完毕，精心整理一份思维导图，思维导图分为训练部分和预测部分，包含模型搭建-->数据集加载-->损失函数计算-->评价等几部分，并将代码中隶属于不同功能的部分涂上了不同颜色，很直观，顺着思维导图的流程可以掌握YOLOv3实现的过程。链接放在这里。思维导图纯原创，可以自用，未经作者同意禁止传播！

机动车自行车行人融合数据集主要来自自己拍摄和自行整理的voc2012，总共8500+张图片，图片均为国内外机动车自行车摩托车巴士，覆盖晴天，阴天，雨天，低能见度天气等复杂场景，且均已标注。可用于深度学习，用于YOLOv5的训练,用于嵌入式比赛，使用YOLOv5s.pt，训练300轮，可达到较好检测效果。 类别：bus,car,motorbike,bicycle，person 机动车自行车行人融合数据集主要来自自己拍摄和自行整理的voc2012，总共8500+张图片，图片均为国内外机动车自行车摩托车巴士，覆盖晴天，阴天，雨天，低能见度天气等复杂场景，且均已标注。可用于深度学习，用于YOLOv5的训练,用于嵌入式比赛，使用YOLOv5s.pt，训练300轮，可达到较好检测效果。 类别：bus,car,motorbike,bicycle，person

使用yolov5进行摔倒检测，文件包含项目所需的所有文件，也包括环境安装文件，包含已训练好的模型权重文件，包含官方的detect文件和自写的demo，运行demo_person_fall.py即可，可自行更改路径识别图片和视频

已由DK数据工作室整理好，训练集和验证集也已经划分好，接近500张照片，每张照片带有txt格式的标注，直接适用于YOLO目标检测项目

口罩检测数据集，已由DK数据工作室处理好，已划分训练集和验证集，共8000张图片，可直接适用于YOLO目标检测代码