1、yolov5鲜花检测，包含训练好的鲜花识别权重，以及PR曲线，loss曲线等等，在鲜花检测数据集中训练得到的权重，类别为桃花、梨花和玫瑰3类，标签格式为txt和xml两种，分别保存在两个文件夹中 2、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 3、采用pytrch框架，python代码

1、yolov5鲜花检测，包含训练好的鲜花识别权重，以及PR曲线，loss曲线等等，在鲜花检测数据集中训练得到的权重，类别为桃花、梨花和玫瑰3类，标签格式为txt和xml两种，分别保存在两个文件夹中 2、带pyqt界面，可检测图片、视频以及调用摄像头 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

谷歌验证码识别 介绍连接https://blog.csdn.net/weixin_45724232/article/details/125044492?spm=1001.2014.3001.5501 包括：数据集 训练代码测试代码以及训练好的模型

1、yolov5汽车轮胎检测，包含训练好的汽车轮胎识别权重，以及PR曲线，loss曲线等等，在汽车轮胎检测据集中训练得到的权重，类别名为tire，标签格式为txt和xml两种，分别保存在两个文件夹中 2、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 3、采用pytrch框架，python代码

1、yolov5交通指示牌检测，包含训练好的交通指示牌检测权重，以及PR曲线，loss曲线等等，在5000多交通标志检测据集中训练得到的权重，有pyqt界面，目标类别类别名为warn_sign、ban_sign、guide_sign、wayfinding_sign共4个类别；并附道路交通标志检测数据集，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、调用摄像头 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

YOLOv5火焰烟雾检测+训练好的模型+数据集+pyqt界面，可直接进行推理测试。 1、项目是训练过的，可直接进行推力测试。 2、项目包含烟雾和火焰的数据集，已标记好！ 3、如果想想重新训练也可以。 4、可以直接用训练好的权重pt文件进行推力测试，测试视频和图片都可以，很好用。 5、价格绝对是优惠价，可以放心下载 YOLOv5训练好的火焰烟雾检测模型，包括yolov5s-fire_smoke.pt和yolov5m-fire_smoke.pt两个训练好的模型，并包含标注好的火焰和烟雾数据集，标签格式为xml和txt两种 有QT界面 采用pytrch框架，代码是python的 YOLOv5训练好的火焰烟雾检测 pyqt界面 yolov5界面

数据挖掘与机器学习课程设计-观赏型花卉的智能分类识别系统源码+训练好的模型，已获老师指导通过的高分项目。 数据挖掘与机器学习课程设计-观赏型花卉的智能分类识别系统源码+训练好的模型，已获老师指导通过的高分项目。数据挖掘与机器学习课程设计-观赏型花卉的智能分类识别系统源码+训练好的模型，已获老师指导通过的高分项目。数据挖掘与机器学习课程设计-观赏型花卉的智能分类识别系统源码+训练好的模型，已获老师指导通过的高分项目。数据挖掘与机器学习课程设计-观赏型花卉的智能分类识别系统源码+训练好的模型，已获老师指导通过的高分项目。数据挖掘与机器学习课程设计-观赏型花卉的智能分类识别系统源码+训练好的模型，已获老师指导通过的高分项目。数据挖掘与机器学习课程设计-观赏型花卉的智能分类识别系统源码+训练好的模型，已获老师指导通过的高分项目。数据挖掘与机器学习课程设计-观赏型花卉的智能分类识别系统源码+训练好的模型，已获老师指导通过的高分项目。

1、YOLOv3口罩和人脸识别，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YOLOv3的环境就可以直接运行，可以和YOLOv5共用同一个环境 2、数据集和检测结果：https://blog.csdn.net/zhiqingAI/article/details/124230743

1、yolov5不同颜色安全帽检测，包含训练好的不同颜色安全帽检测权重，以及PR曲线，loss曲线等等，在3000多不同颜色安全帽检测据集中训练得到的权重，有pyqt界面，目标类别名为各种颜色的安全帽以及未正常佩戴安全帽共5个类别；并附不同颜色安全帽检测数据集，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、调用摄像头 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

1、yolov5佩戴不同颜色的安全帽识别，包含训练好的不同颜色安全帽检测权重，以及PR曲线，loss曲线等等，在3000多不同颜色安全帽检测据集中训练得到的权重，目标类别名为各种颜色的安全帽以及未正常佩戴安全帽共5个类别；并附不同颜色安全帽检测数据集，标签格式为txt和xml两种，分别保存在两个文件夹中 2、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 3、采用pytrch框架，python代码