1、yolov5车辆行人检测，包含yolov5s和yolov5m两种训练好的车辆行人检测权重，在一万多张交通场景行人车辆数据集中训练得到的权重，有pyqt界面，目标类别为person和car 共2个类别，并附5000多张行人车辆检测数据集，标签格式为txt和xml两种，分别保存在两个文件夹中 2、pyqt界面可以 检测图片、视频和调用摄像头，有相应的选择项 3、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 4、采用pytrch框架，python代码

行人检测数据集——pascalvoc格式

INRIA Pedestrian dataset 是一个包含行人的视频数据，可用以进行行人检测和识别等机器视觉任务。

HOG+SVM+PCA 用于行人检测，，内含有HOG提取代码C++实现的

1、YOLOV5行人检测，内含各种训练曲线图，并包含数据集，使用lableimg软件标注软件标注好的行人数据，图片格式为jpg，标签有两种，分别为xml格式和txt格式，分别保存在两个文件夹中，类别名为person; 可以直接用于YOLO系列的行人检测 2、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 3、pyqt界面可以 检测图片、视频和调用摄像头，有相应的选择项 4、采用pytrch框架，代码是python的

1、YOLOv5行人检测训练权重 ，附有各种训练曲线图 2、场景：街道，公路行人检测，一万多数据训练得到，准确率达90%以上， 3、classes: person 4、并包含3000张多行人数据，标签格式为VOC和YOLO两种 5、检测结果和数据集参考：https://blog.csdn.net/weixin_51154380/article/details/124480876

INRIA Person 数据集用来对图像和视频中的直立行人进行检测。该数据集包含两类格式的数据，第一类为原始图像和相应的直立行人标注。第二类为标准化为 64x128 像素的直立性人正类和对应图片的负类图像。

这个程序代码是根据2012年的一篇论文《Pedestrian detection at 100 frames per second》实现的，可以在CPU或GPU上运行，检测性能比常规的HOG提高很多。

matlab代码积分ACFPedestrianDetection 基于ACF行人检测框架，引入EdgeBox特征和Salient特征，使用real adaboost算法，显着提高行人检测算法的准确率和泛化能力。 ##说明 基础框架ACF(积分通道特征) EdgeBox通道和Salient通道 real adaboost算法 图像预处理（自动色阶调整） 数据集扩展 ##相关数据集 ##相关代码ACF原始框架代码 Matlab评估代码 ##论文链接

Crowdhuman数据集 608x608图片大小 密集行人检测 YOLO直接使用 训练集（包含图片与标准） 训练集15000张，验证集4730张，测试集5000张 平均每张图片22.64个人