yolov5数据集,已打好标签，有需要的可以下载

yolov5_face_landmark 基于yolov5的人脸检测，带关键点检测 代码说明： 1，在yolov5的检测基础上，加上关键点回归分支，请先下载yolov5的工程： 2，detect_one.py是单张图片的测试代码，　基于部分wideface训练的模型，稍后在百度云公开。 主要修改代码部分： (1)hyp.scatch.yaml中增加关键点loss的超参数（landmark: 0.5） (2)yolo.py中增加了关键点回归的计算 (3)face_datasets.py为人脸数据的读取方式，准备数据的格式参考yolov5的格式，在后面增加关键点的坐标（归一化） (4)　loss.py中增加关键点回归的loss计算 (5) 链接: 密码: j83n (6) 效果图 : 关于口罩人脸的问题： 1，增加口罩人脸这个类别，建议不要直接在检测分支中增加类别。 2，应该在关键点分

跌倒检测数据集，收集包含1400+跌倒人群图片，可直接用于训练跌倒检测

yolov5最近有更新，用以前的模型，跑最新的代码会报错，这里上传最新的模型-对应yolov5v3.0。 我遇到的错误是：torch.nn.modules.module.ModuleAttributeError: 'Detect' object has no attribute 'm' 更新一下模型即可。

TensorRT-7.0.0.11.Windows10.x86_64.cuda-10.0.cudnn7.6.zip 下载

TensorRT-7.0.0.11.Ubuntu-16.04.x86_64-gnu.cuda-10.2.cudnn7.6.tar.gz 下载

Yolov5 预训练权重，最新版，3.0。里面含有s, m, l, x四个版本的预训练权重，比1.0版本的小一些。应该是属于全CSDN最新

1，安装环境 CUDA10.2 张量RT7.2 OpenCV3.4（工程中已指定，不需安装） vs2015下载相关工程： : 2，生成yolov5s.wts文件 在生成yolov5s.wts前，首先需要模型。同时，需要我们安装环境。这里可以参考网上其他文章或github教程进行配置安装，这里不详加说明。 将tensorrtx-master\yolov5文件夹下的gen_wts.py拷贝到ultralytics/yolov5文件夹下 在当前目录下执行： python gen_wts.py 最终我们会在当前目录下得到一个yolov5s.wts文件。 3，vs2015环境建设 这里我们使用别人已经编好的库，下载连接： 。（注意：部分头文件，lib文件已在我之后的工程中命名，有需要的同学可以直接下载） 创建vs工程，命名为yolov5_Trt，重新连接tensorrtx-master

目标检测是计算机视觉和数字图像处理的一个热门方向，广泛应用于机器人导航、智能视频监控、工业检测、航空航天等诸多领域，通过计算机视觉减少对人力资本的消耗，具有重要的现实意义。因此，目标检测也就成为了近年来理论和应用的研究热点，它是图像处理和计算机视觉学科的重要分支，也是智能监控系统的核心部分，同时目标检测也是泛身份识别领域的一个基础性的算法，对后续的人脸识别、步态识别、人群计数、实例分割等任务起着至关重要的作用。主要提供yolov5的模型权重下载

yolov5权重 8个都在