1、YOLOV5行人检测，内含各种训练曲线图，在几千张街道和交通场景的行人数据集中训练得到的权重，并附有数据集，使用lableimg软件标注软件标注好的行人数据，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person; 可以直接用于YOLO系列的行人检测，map达90%多 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

YOLOV5【s,n6】 使用 ML.NET ONNX 在C#部署，，，运行yolov5-net-master该示例程序，结合自己的YOLO模型训练参数修改程序中的对应参数运行之后，生成dll文件

原版的YOLOv5的预训练模型.rar

记一次调试YOLOv5+DeepSort车辆跟踪项目的经过.doc

目前的手势数字识别数据集，大多来自 叫做 Dataset.zip，一个国外的手势数字数据集，但是没有任何的标记。 我对每一张图片 都打了标签， 最后又将xml格式----->转换为 txt格式，方便 Yolov5 系列的训练 在标记的过程中，我特意为数据集进行了分类，进行了分类标记，图片分类摆放，方便使用和操作数据集，满足 yolov5的训练所需的数据集 数据集为txt格式 我采用了 yolos yolon 进行训练，取得了不错的效果

数据集为 txt格式，对数据集进行了严格的标记，也对数据集图片进行 统一格式的命名，方便做消融实验。 更适用于分类 目标检测部分效果不错的权重文件 在本资源的赠送部分：权重大小不到4MB 运行环境：yolov5(6.0) 权重文件说明： 格式pt yolov5 去detect.py中 替换掉 原有权重文件地址 权重文件：1. yolo-s 2. yolo-n 都带有训练结束的数据展示 特别送上： 一个检测效果不错的轻量化 手势识别权重文件，拿到即用 文件名为 “最终训练”

YOLOV5环境文件 pytorch1.8.1+torchvision0.9 (arrch64)

yolov5的安全检测危险品的x光图像的 危险品识别 目标检测

通过使用yolov5权重对图片进行自动标注，标注300张图片仅需1.5秒！真正解放双手，内附使用说明，以及图形化界面引导，即使新手也能完美上手。利用权重进行标注更加准确，而且不会造成遗漏，提高训练效率，训练过程真正全自动，中间无需人工干预。像训练模型一样，源源不断产生标注文件。支持产生.xml文件可通过转化为各种标注文件，普适度高。源码备注清晰每一处细节都允许自定义编辑。

yolov5电线杆鸟巢识别项目，电力行业电线杆等位置常常会出现鸟巢，不及时移除将带来安全隐患和用电保障隐患，作为保障，需要在指定区域识别处是否有鸟类筑巢。