1、yolov5水果新鲜程度检测，包含yolov5s和yolov5m两种训练好的水果好坏检测权重，有pyqt界面，目标类别为apple、bad banana、banana和bad apple 共4个类别，并附有几百张水果新鲜程度检测数据集，标签格式为txt和xml两种，分别保存在两个文件夹中 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

1、yolov5车辆行人检测，包含yolov5s和yolov5m两种训练好的车辆行人检测权重，在一万多张交通场景行人车辆数据集中训练得到的权重，有pyqt界面，目标类别为person和car 共2个类别，并附5000多张行人车辆检测数据集，标签格式为txt和xml两种，分别保存在两个文件夹中 2、pyqt界面可以 检测图片、视频和调用摄像头，有相应的选择项 3、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 4、采用pytrch框架，python代码

基于Gradio的YOLOv5通用目标检测演示系统，可自定义检测模型、演示便捷。基于Gradio的YOLOv5通用目标检测演示系统，可自定义检测模型、演示便捷。基于Gradio的YOLOv5通用目标检测演示系统，可自定义检测模型、演示便捷。基于Gradio的YOLOv5通用目标检测演示系统，可自定义检测模型、演示便捷。基于Gradio的YOLOv5通用目标检测演示系统，可自定义检测模型、演示便捷。基于Gradio的YOLOv5通用目标检测演示系统，可自定义检测模型、演示便捷。基于Gradio的YOLOv5通用目标检测演示系统，可自定义检测模型、演示便捷。基于Gradio的YOLOv5通用目标检测演示系统，可自定义检测模型、演示便捷。基于Gradio的YOLOv5通用目标检测演示系统，可自定义检测模型、演示便捷。基于Gradio的YOLOv5通用目标检测演示系统，可自定义检测模型、演示便捷。基于Gradio的YOLOv5通用目标检测演示系统，可自定义检测模型、演示便捷。基于Gradio的YOLOv5通用目标检测演示系统，可自定义检测模型、演示便捷。基于Gradio的YOLOv5通用目标检

1、yolov5水果新鲜程度检测，包含yolov5s和yolov5m两种训练好的水果好坏检测权重，有pyqt界面，目标类别为apple、bad banana、banana和bad apple 共4个类别，并附有几百张水果新鲜程度检测数据集，标签格式为txt和xml两种，分别保存在两个文件夹中 2、pyqt界面可以 检测图片、视频和调用摄像头，有相应的选择项 3、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 4、采用pytrch框架，python代码

1、yolov5水果检测，包含yolov5s和yolov5m两种训练好的水果检测权重，有pyqt界面，目标类别为apple、banana和orange 3个类别，并附有几百张水果数据集 2、pyqt界面可以 检测图片、视频和调用摄像头，有相应的选择项 3、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 4、采用pytrch框架，python代码

yolov5火焰识别数据集训练结果,原名为best.pt文件，然后自己重命名为fire.pt,类别名为fire,里面还有标注好的火焰数据集，有需要的可以下载使用

yolov5垃圾分类数据集三千张（已标注）

1、自己收集整理的经过剔除的口罩数据集总共4692张，并按照8:2进行划分； 2、戴口罩和不戴口罩的正负样本都有； 3、TXT格式标注文件，可以直接拿过来进行训练； 4、自己训练精度达到91%,满足项目需求；

YOLOv5鸟类检测训练好的模型 ，在几千张鸟类数据集中训练得到的权重，模型精度达90%多，包含YOLOv5各种训练曲线。并附有数据集，数据集标签格式为txt和xml两种，类别名为bird

1、yolov5训练好的汽车检测模型，包含yolov5s和yolov5m两种训练好的汽车识别权重，从自动驾驶场景KITTI汽车检测数据集训练得到，有pyqt界面 2、pyqt界面可以 检测图片、视频和调用摄像头，有相应的选择项 3、自动驾驶场景KITTI汽车检测数据集：https://download.csdn.net/download/zhiqingAI/85208797 4、并包含1000多张标注好的城市交通场景的数据集，标签格式为xml和txt两种，类别名为car，配置好环境后可以直接使用 5、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 6、采用pytrch框架，python代码