用YOLOV5实现人脸检测的代码，配置好系统可直接运行

电力杆塔异物数据集，包含图片和标签，总共4000+图片，标签为VOC格式，提供转txt代码，YOLOv5训练的代码，其中有用此数据集训练100轮的权重（best.pt），可以使用数据集用来学习和训练。

红细胞检测模型，对应的数据集（有xml文件和jpg文件）

可以用于二维码识别模型的训练，包括jpg文件和xml文件，里面还有训练好的pt模型文件

yolov5-pad检测train权重文件

下载后解压源码，pip install -r requirement.txt，安装所需python依赖，然后直接python detect.py运行程序，输入源可以设定为webcam、图片、视频、文件夹、网络视频、rtsp视频流等，权重文件使用yolov5s.pt效果最好。代码在windows和ubuntu18.04下都进行了充分测试，完美运行。

介绍博客：https://yuan425.blog.csdn.net/article/details/124563016 演示视频：https://www.bilibili.com/video/BV1HB4y1q7QP?vd_source=6ed4c579f90a4760d784c8d82371fc01 本小组开发了一款基于深度学习、计算机视觉的，提供了一套智能的教室控制供电改良方案，以期在一定程度上解决本校教室用电铺张浪费的现象。本文主要介绍其整体架构及具体页面显示部分的相关内容。 本系统具备以下基本特性： ① 获取指定视频流数据【包括文件流与实时视频流】； ② 对画面内人数进行实时计算与统计； ③ 对人数信息与统计数据进行可视化计算。

适用于yolov5 6.0版本的 拥挤人群识别跟踪权重

机器学习课程设计—基于yolov5的海棠花花朵检测识别项目源码+数据集+实验报告。 <2>打标签：用工具labelImg-master进行打标签： 1）在路径栏输入cmd，进入控制台 2）以此执行以下命令： pip install PyQt5 pyrcc5 -o libs/resources.py resources.qrc 3）启动打标签软件：执行：python labelImg.py 将这个图标改为yolov5，按住W再拖动鼠标 进入yolov5根目录打开cmd: 制作好数据集后，接下来就是训练，训练代码如下： # Train YOLOv5s on COCO128 for 3 epochs $ python train.py --img 640 --batch 16 --epochs 3 --data flowers.yaml --weights yolov5s.pt 以下是训练完毕的效果，红框中为提示内容在文件夹哪个位置，是我们需要找到的文件夹：

1、yolov5汽车轮胎检测，包含训练好的汽车轮胎识别权重，以及PR曲线，loss曲线等等，在汽车轮胎检测据集中训练得到的权重，类别名为tire，标签格式为txt和xml两种，分别保存在两个文件夹中 2、有pyqt界面，可检测图片、视频和调用摄像头 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