用于速算题目批改项目训练的数据集

代码文件过大，文档里给出代码网盘地址，在windows环境下已经编译好，运行demo.m文件即可，内附论文。

Hybridnets:多任务端到端感知网络 目标检测+可行驶区域+车道线检测

针对现有基于大数据和深度学习的目标检测框架难以实现在低功耗移动和嵌入式设备上实时进行视频目标检测的问题，改进了基于深度学习的目标检测框架SSD，提出一种改进的多目标检测框架LSTM-SSD，将其专用于交通场景视频多目标检测。将单图像检测框架与递归神经网络-LSTM网络相结合，形成交织循环卷积结构，通过采用一种Bottleneck-LSTM层提炼传播帧间的特征映射实现了网络帧级信息的时序关联，极大降低了网络计算成本；将时间感知信息与改进的动态卡尔曼滤波算法结合起来，实现了对视频中受光照变化、大面积遮挡等强干扰影响目标的追踪识别。实验表明，改进后的LSTM-SSD在应对多目标、杂乱背景、光照变化、模糊、大面积遮挡等检测难度较大的情况时，均能获得较好的效果，相比于其他基于深度学习的目标检测框架，各类目标识别的平均准确率提高了5%~16%，平均准确率均值提高了约4%~10%，多目标检测率提高了4%~19%，检测帧率达到43 fps，基本满足实时性的要求。其实现了算法精度与运行速率的平衡，取得了较好的检测识别效果。

Yolo-Fastest-opencv-dnn 用opencv的dnn模块实现Yolo-Fastest的目标检测 运行方式：python main_yolov3.py --image=person.jpg 编程的一些细节可以参考我的csdn博客：

抽离出来的yolov5生产环境用项目，服务器配置可用，flask接口调用，支持并发，自带滑块验证码训练好的模型

案例@目标方向侦测.zip

目标侦测的候选区域搜索

案例@人脸特征点检测.zip

一个轻量化模型，在经典openpose上做出了相应改进 可用于多人的、实时的姿态估计并记录每个人的id进行跟踪 深度学习--网络模型简单化 很方便的集成到python C++环境中 适合对计算机视觉研究者深入探索