基于YOLOv5和VOC数据集训练而来的头盔识别系统，由5000张数据，训练半天得来。准确率可达95%。
2021-11-27 20:08:54
338.96MB
1
yolov5无人机目标检测训练权重,附代码，代码为yolov5版本五，训练的 模型为yolov5s，目标类别名为drone,用于检测空中旋翼无人机，训练好的权重和曲线图保存载runs/train文件夹中，有需要的可以下载
2021-11-27 11:09:35
281.66MB
yolov5火焰识别数据集训练结果，训练权重文件保存在了runs/train文件夹中，分别为yolov5s、yolov5m、yolov5l三个模型的训练结果和曲线图，附上了代码和火焰数据集，是版本5的代码，类别名为fire,有需要的可以下载使用
2021-11-27 09:13:56
557.05MB
这是yolov5的识别的模型和源码，opencv4.4，vs2019,c++写的，下载直接在vs2019上运行就可以，不用添加环境。
2021-11-24 21:09:33
99.52MB
基于YOLOV5和VOC数据集训练成的扑克牌和骰子识别系统，通过23000张的图片数据集，训练长达3天得出的模型，准确率可达97%，可识别扑克牌的点数和花色，骰子的点数。
2021-11-22 18:09:24
264.68MB
1
YOLOv5_DOTA_OBB
带有CSL_label的DOTA_OBB数据集中的YOLOv5。（定向对象检测）
数据集和预先训练的检查点
Datasets ：
Pretrained Checkpoint or Demo Files ：
。（6666）
。（6666）
。（6666）
。（6666）
。（6666）
。（6666）
功能性
train.py 。火车。
detect.py检测并可视化检测结果。获取检测结果txt。
evaluation.py 。合并检测结果并将其可视化。最后评估探测器
安装
1.安装了所有requirements.txt依赖项的Python 3.8或更高版本，包括torch> = 1.7。要安装运行：
$ pip install -r requirements.txt
2.安装swig
$ cd \.....\yol
2021-11-22 10:27:29
8.93MB
1
yolov5 6.0 版本 yolov5-nano 训练自己的数据集，已经包含自己的数据集，直接训练就能跑！可以参考更改。
2021-11-21 21:01:42
33.69MB
1
YOLOv5-ML.NET- yolov5-nano 6.0 版本，c#通过ML.net 读取yolov5-nano生成的onnx。
2021-11-21 21:01:40
27.67MB
1
MinDS模型的matlab代码
CornerPointDetection
YanjieZe(the
Last
Refugee)
项目说明
使用two-stage
algorithm识别tag进而标定相机位置。
首先，使用yolov5进行目标检测，获得bounding
box。
然后，对bounding
box区域单独处理，使用轮廓提取与角点检测的算法获得四个角点的位置，进而求解PnP问题获得相机位置。
进度：大概完成80%吧
还需完成的事情：标定数据量较大的数据集，并进行调试
目录
Ⅰ
Use
method
1
use
mindvision
cam
for
detection
py
detect.py
--weights
best.pt
--source
0
--view-img
2
Collect
frame
as
the
raw
dataset,
using
mindvision
camera
py
grabFrame.py
--collection
1
--reponum
(the
numbe
your
want)
--framenum
(the
number
you
want
2021-11-21 16:14:19
55.48MB
1