1、西红柿检测数据集，每张图片有多个西红柿目标，近1000张使用lableimg软件标注软件标注好的数据，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，可以直接用于YOLO系列的西红柿检测；目标类别名为tomato； 2、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743

1、YOLOV5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、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

这是一批机场卫星可将光成像图片集，一共1000张，图片尺寸为10241024，彩图。数据集包含一类目标：机场。数据集已经打好标签，表格格式为pascal voc 格式（xml文件)。可用于目标检测算法的研究。

这是机场卫星遥感图片数据集，是可将光成像，一共1000张，图片的尺寸为1024x1024，图片包含了一种类别：机场。数据集已经打好标签，标签的格式为pascal voc格式（xml）。数据集可用于目标检测算法的研究，比如Yolo系列目标检测算法。

基于YOLOV5的头盔佩戴识别数据系统源码。修改yaml配置文件 进入\yolov5-5.0\data\文件夹内，打开voc.yaml文件, 原voc.yaml文件 # PASCAL VOC dataset http://host.robots.ox.ac.uk/pascal/VOC/ # Train command: python train.py --data voc.yaml # Default dataset location is next to /yolov5: # /parent_folder # /VOC # /yolov5 # download command/URL (optional) download: bash data/scripts/get_voc.sh # train and val data as 1) directory: path/images/, 2) file: path/images.txt, or 3) list: [path1/images/, path2/images/] train: ../VOC/ima

计量设备屏幕字符检测数据集（COCO标签，1100张图像）.zip

1、yolov3行人跌倒检测，包含yolov3训练好的行人跌倒检测权重以及PR曲线，loss曲线等等，map达90% 多，在行人跌倒数据集中训练得到的权重，目标类别为fall 共1个类别，并附1000多张行人摔倒数据集，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，可以和YOLOv5共用一个环境，配置好环境就可以加载已经训练好的模型直接进行测试，得出结果

YOLOV5智慧工地安全帽检测数据集系统及危险区域检测系统。该项目是使用 YOLOv5 的程序来训练在智能工地安全领域中头盔目标检测的应用。运用yolov5网络进行工人安全帽检测以及危险区域检测，将报警信息通过微信公众号推送给安全员或者项目负责人。YOLOV5智慧工地安全帽检测数据集系统及危险区域检测系统。该项目是使用 YOLOv5 的程序来训练在智能工地安全领域中头盔目标检测的应用。运用yolov5网络进行工人安全帽检测以及危险区域检测，将报警信息通过微信公众号推送给安全员或者项目负责人。YOLOV5智慧工地安全帽检测数据集系统及危险区域检测系统。该项目是使用 YOLOv5 的程序来训练在智能工地安全领域中头盔目标检测的应用。运用yolov5网络进行工人安全帽检测以及危险区域检测，将报警信息通过微信公众号推送给安全员或者项目负责人。YOLOV5智慧工地安全帽检测数据集系统及危险区域检测系统。该项目是使用 YOLOv5 的程序来训练在智能工地安全领域中头盔目标检测的应用。运用yolov5网络进行工人安全帽检测以及危险区域检测，将报警信息通过微信公众号推送给安全员或者项目负责人。

1、YOLO车辆行人识别数据集 目标类别为person和car 共2个类别，5000多张行人车辆检测数据集，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

1、yolov5车辆行人检测，包含yolov5s和yolov5m两种训练好的车辆行人检测权重，以及PR曲线，loss曲线等等，map达90% 多，在一万多张交通场景行人车辆数据集中训练得到的权重，有pyqt界面，目标类别为person和car 共2个类别，并附5000多张行人车辆检测数据集，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