yolov5-v5.0.zip

对该版本的README进行解读，同时添加相应的标注

Yolo烟雾检测器V5 ——————————————二次更新—————— 那些说bug多的年轻人，我劝你耗子尾汁〜，因为我现在各更新了！把所有可用数据，更新代码讲解，优化，和模型，代码，数据，推理转换，onnx，openvino和消融对比，都写好啦〜，大家先看我这篇文章，然后公众号回复可以获取全部，不用在这git clone啦〜，我公众号回复yolov5香烟下载好后能直接检测，或者继续训练〜 做了模型优化，提高了一些效果，欢迎大家查看这篇文章： ://mp.weixin.qq.com/s/m-bn-Q0dhfav-YsI5b-oLg详细查看，算法开源了，代码加模型加优化策略加导出加Openvino推理加数据等等，公众号：DeepAI视界回复：yolov5香烟领取全部。 本原创项目长期更新，逐步完成校园异常行为实时精检测，做到集成+ N次开发+优化（不止逐步调包）为止，随后将不断更新以下

用于训练目标检测的VOC数据集，可用于YOLOV5训练自己的数据集

yolov5咖啡

Yolov5 +使用PyTorch进行深度排序 介绍 该存储库包含PyTorch YOLOv5的简化版（ ）。它过滤掉不是人的所有检测。然后，将对人员的检测传递给跟踪人员的深度排序算法（ ）。它仅跟踪人员这一事实背后的原因是，深度关联度量仅在人员数据集上进行训练。 描述 该实现基于两篇文章： 使用深度关联指标进行简单的在线和实时跟踪 YOLOv4：物体检测的最佳速度和准确性 要求 安装了所有requirements.txt依赖关系的Python 3.8或更高版本，包括torch> = 1.7。要安装运行： pip install -U -r requirements.txt 所有依赖项都包含在关联的docker映像中。 Docker要求是： nvidia-docker Nvidia驱动程序版本> = 440.44 在运行跟踪器之前 递归克隆存储库： git clone --r

该存储库代表了Ultralytics对未来对象检测方法的开源研究，并结合了我们在以前的YOLO存储库中对自定义客户端数据集进行数千种模型训练所汲取的经验教训和最佳实践。该存储库代表了Ultralytics对未来对象检测方法的开源研究。 ，并结合我们以前的YOLO储存库https://github.com/ultralytics/yolov3所提供的经验教训和最佳实践，这些经验教训是通过在自定义客户端数据集上训练数千种模型而演变而来的。 所有代码和模型都在积极开发中，如有更改或删除，恕不另行通知。 使用风险自负。 ** GPU延迟测量的是平均超过5000 C的每个图像的端到端延迟

用于训练自己的目标检测系统的VOC格式数据集，可用于YOLOV5开发

基于VOC数据集和YOLOV5框架的路面坑洼识别系统，可用于自动驾驶中的避坑

基于yolov5的人脸识别demo，使用celeba训练yolov5，具体详见工程文件中的README，通过借鉴github上mtcnn-facenet，还有不足，不喜勿喷，谢谢。