里面包含如何训练以及测试的代码，安全帽数据集以及训练模型下载地址，可以接用于YOLO目标检测和跟踪，数据集包括两个类别person、hat，8000多张标注好的的图片，两种标签格式分别为txt和xml格式。

基于深度学习的口罩识别检测系统源码，在yolov5目录下执行下列代码 python detect.py --source data/images/bus.jpg --weights pretrained/yolov5s.pt 执行完毕之后将会输出下列信息 image-20210610111308496 在runs目录下可以找到检测之后的结果 image-20210610111426144 按照官方给出的指令，这里的检测代码功能十分强大，是支持对多种图像和视频流进行检测的，具体的使用方法如下： python detect.py --source 0 # webcam file.jpg # image file.mp4 # video path/ # directory path/*.jpg # glob

主要介绍了keras使用Sequence类调用大规模数据集进行训练的实现，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

深度学习基于卷积神经网络的人脸面部表情识别项目源码+面部表情数据集+训练好的模型.zip也可作为人工智能大作业 深度学习基于卷积神经网络的人脸面部表情识别项目源码+面部表情数据集+训练好的模型.zip深度学习基于卷积神经网络的人脸面部表情识别项目源码+面部表情数据集+训练好的模型.zip深度学习基于卷积神经网络的人脸面部表情识别项目源码+面部表情数据集+训练好的模型.zip深度学习基于卷积神经网络的人脸面部表情识别项目源码+面部表情数据集+训练好的模型.zip深度学习基于卷积神经网络的人脸面部表情识别项目源码+面部表情数据集+训练好的模型.zip 环境 数据集： Fer2013 ，Emoji表情集 神经网络框架： Keras,Tensorflow-gpu 分类器： 基于Opencv-Normal Bayes Classifier(正态贝叶斯分类)训练的贝叶斯分类器 配置环境： python==3.6.0 tensorflow-gpu==1.8.0 keras-gpu==2.1.6 opencv==3.3.1 其他环境详见：environment.yaml

基于YoloV4的绝缘子目标检测程序源代码+数据集+训练模型，人工智能课程设计作业。文件结构 . │ predict.py # 对图片进行预测 │ train.py # 训练模型 │ voc_annotation.py # 对VOC数据集处理导出索引 │ yolo.py # 预测程序的子程序 │ ├─img # 存放预测后的图像 ├─logs # 存放训练的模型文件 ├─model_data # 存放预训练模型 │ new_classes.txt # 类别的名称 │ yolo_anchors.txt # 先验框的大小 │ ├─nets # 网络结构 │ CSPdarknet.py # CSPdarkNet53主干特征网络 │ yolo4.py # FPN、SPP等网络 │ yolo_training.py # 模型训练子程序 │ ├─utils # 数据加载、NMS等 │ dataloader.py # 数

基于YOLOv5的行吊超高检测系统源码+数据集+训练好的模型。几个参数信息： --weights 加载的预训练的模型 --source 可选照片文件夹/rtmp视频流/本地摄像头等 --img-size 照片的大小 --device 运行的设备 cpu/0/1/… --view-img 是否要实时的展示 --save-txt 是否保存日志txt --nosave 是否保存检测后的结果图片/视频

基于Yolov5的口罩检测识别数据集+训练好的识别模型+标注好的数据.。基于Yolov5的口罩检测识别数据集+训练好的识别模型。基于Yolov5的口罩检测识别数据集+训练好的识别模型。基于Yolov5的口罩检测识别数据集+训练好的识别模型。基于Yolov5的口罩检测识别数据集+训练好的识别模型。基于Yolov5的口罩检测识别数据集+训练好的识别模型。 +标注好的数据. 结构 labels -- 所有图片的标签文件 photoes -- 转移到一个文件夹后的图片数据集(原始图片来自图片来源） yolov5-master yolov5的模型文件夹 transmit.py 用于将从github下载的文件快速写入一个文件夹的Py程序

谷歌验证码识别 介绍连接https://blog.csdn.net/weixin_45724232/article/details/125044492?spm=1001.2014.3001.5501 包括：数据集 训练代码测试代码以及训练好的模型

数据集包括的情绪标签包括以下7类： angry disgusted fearful happy neutral sad surprised 训练集：2.8W张人脸图像； 测试集：7K张人脸图像；

yolov5火焰烟雾检测数据集，烟雾和火焰数据集和源码（包含视频和图片素材，可直接进行推理测试）。1、项目是训练过的，可直接进行推力测试。 2、项目包含烟雾和火焰的数据集，已标记好！ 3、如果想想重新训练也可以。 4、可以直接用训练好的权重pt文件进行推力测试，测试视频和图片都可以，很好用。 5、价格绝对是优惠价，可以放心下载