该资源为红外热成像数据集和标记好的XML文件，且仅对数据集中的人进行了标注，共有3493张红外热成像图片和对应标注好的3493个XML格式文件。该资源可用于深度学习中红外热成像人体的识别，且仅供学习和研究，不以盈利为目的；同时也希望能够促进基于深度学习的目标检测在红外热成像方面的发展。

本项目采用YOLOv5实现垃圾分类目标检测。利用大量已标注目标检测数据集进行训练，对居民生活垃圾图片进行检测，找出图片中属于哪个类别的垃圾，并指示出在图片中的位置。 本工程YOLOv5使用PyTorch版的ultralytics/yolov5，在Windows系统上进行垃圾分类目标检测的项目演示。具体项目过程包括：数据集及格式转换、探索性数据分析（EDA）、安装软件环境、安装YOLOv5、修改YOLOv5代码(为支持中文标签）、训练集和测试集自动划分、修改配置文件、准备Weights&Biases训练可视化工具、训练网络模型、测试训练出的网络模型和性能统计。

yolov5口罩检测，数据集训练结果，包含训练好的权重文件和各种训练曲线图，保存在runs/train文件夹中，附有代码和检测结果以及测试数据集，类别为戴口罩：face_mask 和不戴口罩。

目标检测在2019年又一次实现了巨大的发展，这些是整理的部分基于深度学习的目标检测综述论文。总结过去的研究方法，并对当下大火的深度学习方法进行分析比较，并展望了未来的目标检测研究趋势。

基于深度学习的目标检测框架介绍.ppt 普通的深度学习算法主要是用来做分类，如图(1)所示，分类的目标是要识别出图中所示是一只猫。 目标定位是不仅仅要识别出来是什么物体（即分类），而且还要预测物体的位置，位置一般用边框（bounding box）标记，如图(2)所示。 目标检测实质是多目标的定位，即要在图片中定位多个目标物体，包括分类和定位。比如对图(3)进行目标检测，得到的结果是好几只不同动物，他们的位置如图(3)中不同颜色的框所示。 PASCAL VOC : pattern analysis , statistical modelling and computational learning visual object classes. 在计算视觉的领域中，Pascal VOC Challenge 就好比是数学中的哥德巴赫猜想一样。每年，该组织都会提 供一系列类别的、带标签的图片，挑战者通过设计各种精妙的算法，仅根据分析图片内容来将其分类，最终通 过准确率、召回率、效率来一决高下。

基于深度学习的目标检测算法研究 基于深度学习的目标检测算法研究 基于深度学习的目标检测算法研究 基于深度学习的目标检测算法研究 基于深度学习的目标检测算法研究 基于深度学习的目标检测算法研究 基于深度学习的目标检测算法研究 基于深度学习的目标检测算法研究 基于深度学习的目标检测算法研究 基于深度学习的目标检测算法研究 基于深度学习的目标检测算法研究 基于深度学习的目标检测算法研究 基于深度学习的目标检测算法研究 基于深度学习的目标检测算法研究 基于深度学习的目标检测算法研究 基于深度学习的目标检测算法研究 基于深度学习的目标检测算法研究 基于深度学习的目标检测算法研究 基于深度学习的目标检测算法研究 基于深度学习的目标检测算法研究 基于深度学习的目标检测算法研究 基于深度学习的目标检测算法研究 基于深度学习的目标检测算法研究 基于深度学习的目标检测算法研究 基于深度学习的目标检测算法研究 基于深度学习的目标检测算法研究 基于深度学习的目标检测算法研究 基于深度学习的目标检测算法研究 基于深度学习的目标检测算法研究 基于深度学习的目标检测算法研究 基于深度学习的目标检测算法研究 ....

实现功能： 有3个QLabel作为显示区域分别是： 视频检测显示区域，原视频拍照显示，检测后视频拍照显示。 4个按钮作为功能选择，分别是： 打开视频，拍照，关闭摄像头，YOLO检测。

在之前的基础上，进行了升级，之前只能用一个视频进行检测，现在可以选择视频进行检测。 功能一致。

在V1.1的基础上新增图片检测功能，能够自由选择图片进行检测。 因此V1.1的功能已经包含了：图像检测并保存图片，视频检测等主要功能。

大恒官方培训资料，内含教程视频和源代码网盘地址