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。

信息处理课设，人员危险位置进入报警系统，基于yolov5-0.6

2021年10月7日最新上传, 内含 yolov5l.pt89.2 MB yolov5l6.pt147 MB yolov5m.pt40.7 MB yolov5m6.pt68.7 MB yolov5m_Objects365.pt43 MB yolov5n.pt3.77 MB yolov5n6.pt6.56 MB yolov5s.pt14 MB yolov5s6.pt24.5 MB yolov5x.pt166 MB yolov5x6.pt

树莓派 Raspbian 32位系统 torchvision 0.9 已编译 whl

无需多言，不好下载的自取

树莓派 Raspbian 32位系统 torch1.8 已编译whl

转载于https://blog.csdn.net/BruceBorgia/article/details/118805278?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522163581600516780261931218%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=163581600516780261931218&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~first_rank_ecpm_v1~rank_v31_ecpm-1-118805278.pc_search_result_control_group&utm_term=labelimg%E6%A0%87%E6%B3%A8%E7%9A%84%E5%9B%BE%E7%89%87%E8%BD%AC%E6%8D%A2%E6%88%90yolov5&spm=1018.2226.3001.4187。使用前需要创Annotations和labels文件夹和该python文件放在一块，Annotations保存labelimg标注好的xml文件，使用后labels文件夹内会生成对应的yolov5所需的txt文件，也要记得修改classes改成自己的瑕疵类别。上传到这里方便自己以后下载