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-lite预训练权重文件（V5lite-e.pt/V5lite-s.pt/V5lite-g.pt/V5lite-c.pt） YOLOv5-lite预训练权重文件 YOLOv5-lite预训练权重文件 YOLOv5-lite预训练权重文件 YOLOv5-lite预训练权重文件 YOLOv5-lite预训练权重文件 YOLOv5-lite预训练权重文件 YOLOv5-lite预训练权重文件 YOLOv5-lite预训练权重文件 YOLOv5-lite预训练权重文件

yolov5-pad检测train权重文件

权重文件，深度学习，重要是用于道路的分割，也可以用于其他的分割，这个是与训练的权重可以直接用来做测试

SLOWFAST_8x8_R50_DETECTION.pyth 权重文件

直接调用该权重，识别是否佩戴口罩 face or mask 解压后是.pt

darknet是一个较为轻型的完全基于C与CUDA的开源深度学习框架，其主要特点就是容易安装，没有任何依赖项（OpenCV都可以不用），移植性非常好，支持CPU与GPU两种计算方式。Darknet的优势： darknet完全由C语言实现，没有任何依赖项，当然可以使用OpenCV，但只是用其来显示图片、为了更好的可视化； darknet支持CPU（所以没有GPU也不用紧的）与GPU（CUDA/cuDNN，使用GPU当然更块更好了）； 正是因为其较为轻型，没有像TensorFlow那般强大的API，所以给我的感觉就是有另一种味道的灵活性，适合用来研究底层，可以更为方便的从底层对其进行改进与扩展

yolov5n wts

ssd,预训练文件。

visual studio2019手写数字识别工程（权重文件通用） 1.no_gpu_darknet版 yolov3手写数字识别 训练好 的模型权重 。基于opencv3.16版本库函数，附带已配置好的工程源码no_gpu_darknet版。已训练好，可直接使用。 2.一万多数据训练得到，准确率达95%以上 3.目标类别名为0，1，2，3，4，5，6，7，8，9 4.可以 检测图片、视频和调用摄像头，需要选择相应的代码语段 5.依据自己的电脑路径打开darknet_no_gpu.sln，然后配置好opencv3.16环境即可直接运行 E:\darknet-master_2\darknet-master_2\darknet-master\build\darknet\darknet_no_gpu.sln