在YOLOv7原始代码的基础上，配置好model，进行了简单修改；只需配置好环境后，直接运行detect.py，即可实现通过摄像头进行目标检测，种类多达81种，运行速度快，准确高，肥肠好用

爆改YOLOV7的detect.py，将其制作成API接口，可供其他程序调用，识别的过程中还会返回识别目标的详细信息（包括：种类、二维坐标位置、置信度），超低延时流畅运行。 博客：https://blog.csdn.net/weixin_51331359/article/details/126012620?csdn_share_tail=%7B%22type%22%3A%22blog%22%2C%22rType%22%3A%22article%22%2C%22rId%22%3A%22126012620%22%2C%22source%22%3A%22weixin_51331359%22%7D&ctrtid=hPPve

TIV红外人员数据集，已转为yolo格式，共包含7136张训练集，1784张测试集数据，用于yolo目标检测系列训练，数据清晰，可作为红外人员检测数据集基础数据。

Flir红外数据集，已过滤筛选为3个类别，包括人员，骑车的人，汽车三种类别（person, bicycle, car）,已转为yolo格式，共包含8862张训练集，1366张测试集数据，用于yolo目标检测系列训练，数据清晰，可作为红外检测数据集，自动驾驶等场景的基础数据。数据大小超限制，已放链接，可下载。

PointRCNN源代码中的作者提及的预训练模型。[3D检测系列-PointRCNN]复现PointRCNN代码，并实现PointRCNN3D目标检测可视化，包含预训练权重下载链接（从0开始以及各种报错的解决方法）。有了该模型就无需自己在训练，可以直接用这个模型对网络进行检测和再训练。并且可以参考我的另一篇博文进行网络复现和可视化操作。利用作者的预训练模型可以直接检测，将模型放在tools下面。复现博文地址：https://blog.csdn.net/Callme_TeacherPi/article/details/125963061

包含一类目标：战车。彩图，图片数量为1000张，尺寸为1024x1024，可用于目标检测算法的研究。

1、数据集图片一共1316张，未做数据增强，标签格式有两种，分别为voc格式(xml文件)和yolo格式(txt文件)，下载后需要做数据增强的，可以私信我。 2、数据集亲自收集、爬取，亲手标注，质量还不错。 3、该数据集属于目标检测数据集，可以筛选出制作分类数据集。 备注：使用过程有问题可以私信我

交通、街道，违章停车、流动摊贩 图片素材，可用于图片分类、目标检测

该资源为我研究方向，基于机器视觉的轴承表面缺陷检测研究所需的算法总结

完整的yolov6源码文件包，不能翻出去的可以在这里下载yolov6源码； 嫌弃外面网速慢的可以在这里下载，下载速度会快速很多； 该框架新出的，使用过程中会遇到的问题比较多。 如果需要进行摄像头识别或者训练自己数据集的可以参考我发表的相关文章，希望对你有所帮助。