基于YOLOV5s模型的轧钢表面缺陷检测 基于YOLOV5s模型的轧钢表面缺陷检测 基于YOLOV5s模型的轧钢表面缺陷检测 基于YOLOV5s模型的轧钢表面缺陷检测 基于YOLOV5s模型的轧钢表面缺陷检测 基于YOLOV5s模型的轧钢表面缺陷检测 基于YOLOV5s模型的轧钢表面缺陷检测 基于YOLOV5s模型的轧钢表面缺陷检测 基于YOLOV5s模型的轧钢表面缺陷检测 基于YOLOV5s模型的轧钢表面缺陷检测 基于YOLOV5s模型的轧钢表面缺陷检测 基于YOLOV5s模型的轧钢表面缺陷检测 基于YOLOV5s模型的轧钢表面缺陷检测 基于YOLOV5s模型的轧钢表面缺陷检测 基于YOLOV5s模型的轧钢表面缺陷检测 基于YOLOV5s模型的轧钢表面缺陷检测 基于YOLOV5s模型的轧钢表面缺陷检测 基于YOLOV5s模型的轧钢表面缺陷检测 基于YOLOV5s模型的轧钢表面缺陷检测 基于YOLOV5s模型的轧钢表面缺陷检测 基于YOLOV5s模型的轧钢表面缺陷检测 基于YOLOV5s模型的轧钢表面缺陷检测 基于YOLOV5s模型的轧钢表面缺陷检测 基于YOLOV5s模型的轧钢表面缺

基于YOLOV5网络模型的人员口罩佩戴实时检测 基于YOLOV5网络模型的人员口罩佩戴实时检测 基于YOLOV5网络模型的人员口罩佩戴实时检测 基于YOLOV5网络模型的人员口罩佩戴实时检测 基于YOLOV5网络模型的人员口罩佩戴实时检测 基于YOLOV5网络模型的人员口罩佩戴实时检测 基于YOLOV5网络模型的人员口罩佩戴实时检测 基于YOLOV5网络模型的人员口罩佩戴实时检测 基于YOLOV5网络模型的人员口罩佩戴实时检测 基于YOLOV5网络模型的人员口罩佩戴实时检测 基于YOLOV5网络模型的人员口罩佩戴实时检测 基于YOLOV5网络模型的人员口罩佩戴实时检测 基于YOLOV5网络模型的人员口罩佩戴实时检测 基于YOLOV5网络模型的人员口罩佩戴实时检测 基于YOLOV5网络模型的人员口罩佩戴实时检测 基于YOLOV5网络模型的人员口罩佩戴实时检测 基于YOLOV5网络模型的人员口罩佩戴实时检测 基于YOLOV5网络模型的人员口罩佩戴实时检测 基于YOLOV5网络模型的人员口罩佩戴实时检测 基于YOLOV5网络模型的人员口罩佩戴实时检测 基于YOLOV5网络模型的人员口罩佩戴实

YOLOv5安全帽检测训练好的模型和代码，几千张数据训练了150轮得到的权重文件，mAP和召回率recall达到了90%多，PR曲线等图保存在runs文件夹中 ，配置好YOLOv5的环境就可以直接运行 数据集和检测结果：https://blog.csdn.net/zhiqingAI/article/details/124230743

yolov5 deepsort 车辆识别计数，毕业设计，目标检测，图像识别

YOLOv5口罩检测训练好的模型，配置好环境后可以直接运行，几千张数据训练了150轮得到的权重文件，mAP达到了90%多，PR曲线等图保存在runs文件夹中 ，配置好YOLOv5的环境就可以直接 运行 数据集和检测结果：https://blog.csdn.net/zhiqingAI/article/details/124230743

训练好的yolov5戴口罩人脸检测

该资源为个人手工爬取图片进行标定 数据量为125

由于大多数深度学习模型部署在嵌入式平台均出现推理速度过慢的情况，因此引用到tensorRT来加速推理深度学习模型，以yolov5为例，本文介绍了两种方式将yolov5在pytorch框架下训练出的.pt权重抓换成tensorRT的推理引擎。从而实现深度学习模型在嵌入式平台的部署与加速。本文实验平台为jetson nano及jetson TX2.加速效果明显

1400张车子的数据集，已经完全手工专业标注完成，包括车子图片和生成的.xml文件，可供yolov3、yolov4、yolov5框架训练出车辆检测模型，识别度超过百分之98以上。

yoloV5预训练模型，官方给的是谷歌网盘下载地址，下载速度较慢，压缩包包含yolov3-spp.pt，yolov5l.pt，yolov5m.pt，yolov5s.pt，yolov5x.pt