labelimg安装教程 （1）基于pytinstaller打包的labelimg软件，可视性目标检测（VOC与yolo）格式的对角框标注。 （2）支持tif影像格式 （3）点击文件夹内的labeling.exe可运行。 （4）支持window7系统

基于yolov5+大疆教育无人机Tello TT实现目标识别检测+追踪测距完整源码+数据集+训练好的模型+操作说明文档.7z 数据集目标是旗、圈识别 模型已经训练调优 请参考项目说明中的步骤来操作。 【备注】主要针对正在做毕设的同学和需要项目实战的深度学习cv图像识别模式识别方向学习者。 也可作为课程设计、期末大作业。包含：项目源码、训练好的模型、项目操作说明等，该项目可直接作为毕设使用。 也可以用来学习、参考、借鉴。如果基础不错，在此代码上做修改，训练其他模型。

需要提前配置torch

基于yolov5和大疆教育无人机TelloTT实现目标识别测距追踪源码+训练好的模型数据.zip提供训练好的模型，调用方法如下： 模型加载 model = DetectApi(weights=['.\yolov5_new\weights\best.pt'], nosave=False) 目标检测 img_path = '.\img\20.jpg' #待检测图片 res = model.detect(source=img_path) print(res) #显示检测结果 识别后的结果默认存放在yolov5_new/runs/detect/exp*文件夹下 基于yolov5和大疆教育无人机TelloTT实现目标识别测距追踪源码+训练好的模型数据.zip提供训练好的模型，调用方法如下： 模型加载 model = DetectApi(weights=['.\yolov5_new\weights\best.pt'], nosave=False) 目标检测 img_path = '.\img\20.jpg' #待检测图片 res = model.detect(source=img_path) pr

深入研究了流行的目标识别方法YOLOv3，将Inception模块融入其特征提取网络darknet-53中，从而得到新网络darknet-139。相比YOLOv3特征提取网络，新网络具有更好的特征提取能力。采集并制作算法所需的数据集，分别在YOLOv3和本文算法上进行训练并测试。实验结果表明，相比YOLOv3，本文算法的平均识别率提升了约2%。

1、基于深度学习opencv实现电单车识别检测源码+模型(6800多个目标数据训练)+评估指标曲线+操作使用说明 2、模型文件使用含有6800+个目标数据集训练，训练集大且多样性充足 3、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 4、迭代200次，模型拟合较好。 5、识别一个类别：“电单车” 【备注】有相关使用问题，可以私信留言跟博主沟通。

1、基于yolov5算法实现跌倒识别检测告警源码+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、识别一个类别，“跌倒” 【备注】有相关使用问题，可以私信留言跟博主沟通。

1、基于yolov5算法实现煤气罐识别检测源码+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。 【备注】有相关使用问题，可以私信留言跟博主沟通。

1、基于yolov5算法实现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、识别检测1个类别：“绝缘子” 【备注】有相关使用问题，可以私信留言跟博主沟通。

1、数据集图片一共1316张，未做数据增强，标签格式有两种，分别为voc格式(xml文件)和yolo格式(txt文件)，下载后需要做数据增强的，可以私信我。 2、数据集亲自收集、爬取，亲手标注，质量还不错。 3、该数据集属于目标检测数据集，可以筛选出制作分类数据集。 备注：使用过程有问题可以私信我