1、YOLOv3训练好的烟雾检测模型，训练了yoov3-smoke.pt和YOLOvs3_tiny-smoke.pt。两个模型； 并包含4500多张标注好的烟雾数据集，标签格式为xml和txt两种，类别名为smoke，配置好环境后可以直接使用 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，代码是python的

本人将该数据集作为rcnn进行路面车道线，车辆以及裂缝检测的训练数据集，标注不易

尺寸标注的开发代码及说明

图像数据标注软件 Labelme v5.0.1 单文件 exe 版，无需 Conda 及 Python 环境，无需编译，下载打开即可使用！

本程序是为了解决SW转DWG后出现标注问题，提高工作效率而编写的。其功能是标注样式的修改，主要解决了尺寸文字位置变动、尺寸值，公差值层叠、极限偏差值高度比例、文字方向、直径标注等问题。使用后相信能够在很大程度上让大家从“痛苦”中解脱出来

Labeled Faces in the Wild是一个面部照片数据库，专为研究无约束人脸识别问题而设计。该数据集包含从网络收集的13,000多张面部图像。每张脸都标有图中人物的名字。图中的1680人在数据集中有两张或更多不同的照片。该数据集是在互联网上收集的着名人物的JPEG图片的集合。所有详细信息均可在官方网站上获得：http：//vis-www.cs.umass.edu/lfw/，每张照片都以一张脸为中心。每个通道的每个像素（RGB中的颜色）由浮点范围0.0-1.0编码。该任务称为面部识别（或识别）：给定面部图片，找到给定训练集（图库）的人的姓名。原始图像为250 x 250像素，但默认切片和调整大小参数会将它们减少到62 x 47。

1.标注好的头安全帽数据集。 2.数据格式是voc和yolov5两种。 3.下载后可以直接训练。 4.参考博文：https://blog.csdn.net/matt45m/article/details/124702919?spm=1001.2014.3001.5502

坐标标注，坐标采集，导出坐标数据

这个demo给大家带来的是自定义地图标注 在地图上标记好的标注 当鼠标移动到上面出现hove事件 并加装你想要的CSS 可以自己定义城市 县 街道 ，请下载以后给我给好评。

1、YOLOv3吸烟行为检测，两种训练好的模型，内含各种训练曲线图，并包含数据集， 5000多张使用lableimg软件标注软件标注好的吸烟数据，图片格式为jpg，标签有两种，分别为xml格式和txt格式，分别保存在两个文件夹中，类别名为smoke; 可以直接用于YOLO系列的吸烟行， 2、包含yolov3和YOLOv3_tiny两种训练好的模型 3、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 4、采用pytrch框架，代码是python的