电表缺陷检测识别图片模板，使用电表缺陷检测识别图片

口罩检测识别数据集（1200训练集+400测试集）。 可以直接拿过来进行训练；共1200张训练集，600张口罩佩戴，600张未佩戴口罩；400张测试集，200张口罩佩戴，200张未佩戴口罩。利用YOLO在数据集上冻结backbone训练了25个epoch，解冻后再训练了25个epoch，测试mAP为90.75%。 可以直接拿过来进行训练；共1200张训练集，600张口罩佩戴，600张未佩戴口罩；400张测试集，200张口罩佩戴，200张未佩戴口罩。利用YOLO在数据集上冻结backbone训练了25个epoch，解冻后再训练了25个epoch，测试mAP为90.75%。

基于深度学习的篆字印章检测识别框架项目源码 安装教程 step 1：下载文件 step 2：配置环境 下载以下对应版本的依赖 python >= 3.7.10 matplotlib >= 3.3.4 mmcv == 1.3.0 numpy == 1.19.2 pillow == 8.4.0 pytorch == 1.8.1 下载数据集 step 2:将 dataset_CASSCDB文件放在CealCharNet目录下 step 3：命令行执行 python CASSCDB_process.py step 4：在CealCharNet/dataset_CASSCDB/img_with_bboxs/文件中查看数据集标注

工业安全手机检测识别图像数据集（VOC，yolo两类标签，8201张图像）.zip

未知工作服属性检测识别-餐厅后厨场景（VOC标签，919张图像）.zip

基于YOLOV5火焰烟雾数据集的火灾检测识别系统+训练好的模型+pyqt界面。YOLOV5火灾火焰烟雾检测数据集+代码+训练好的模型+标注好的数据+pyqt界面+代码。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）。 一个非常完整的项目，内附教程讲解，新手也可轻松搞定，拿高分必看哈！！！ 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文件进行推理

检测运动目标，MATLAB运动目标检测，以运动汽车为例，检测汽车数量，车流量，车道，速度等，

基于YOLOV5的头盔佩戴识别数据系统源码。修改yaml配置文件 进入\yolov5-5.0\data\文件夹内，打开voc.yaml文件, 原voc.yaml文件 # PASCAL VOC dataset http://host.robots.ox.ac.uk/pascal/VOC/ # Train command: python train.py --data voc.yaml # Default dataset location is next to /yolov5: # /parent_folder # /VOC # /yolov5 # download command/URL (optional) download: bash data/scripts/get_voc.sh # train and val data as 1) directory: path/images/, 2) file: path/images.txt, or 3) list: [path1/images/, path2/images/] train: ../VOC/ima

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

MATLAB虫害检测识别系统