该资源为数据集，不含代码。由于C站资源传输限制，数据集太大因此分为3个部分。 电网作业人员每天需要在现场进行验电断电操作，为保证操作安全，要求验电人员必须佩戴橡胶绝缘手套才可进行验电停电等操作。同时，现场需要有监护人员在旁监督验电人员的动作规范，以及在意外情况发生时及时报警救助。 在该场景提供的训练数据集中，包含的具体标签及解释见下： badge：监护袖章（只识别红色修章） person：图中出现的所有在场人员 glove：绝缘手套（橡胶材质） wrongglove：未佩戴绝缘手套（其他手套或裸露手掌） operatingbar：操作杆 powerchecker：验电笔

该资源为数据集，不含代码。由于C站资源传输限制，数据集太大因此分为3个部分。 电网作业人员每天需要在现场进行验电断电操作，为保证操作安全，要求验电人员必须佩戴橡胶绝缘手套才可进行验电停电等操作。同时，现场需要有监护人员在旁监督验电人员的动作规范，以及在意外情况发生时及时报警救助。 在该场景提供的训练数据集中，包含的具体标签及解释见下： badge：监护袖章（只识别红色修章） person：图中出现的所有在场人员 glove：绝缘手套（橡胶材质） wrongglove：未佩戴绝缘手套（其他手套或裸露手掌） operatingbar：操作杆 powerchecker：验电笔

yolov5 deepsort 车辆识别计数，毕业设计，目标检测，图像识别

当前yolo系列性能最好的目标检测算法！！！（同时轻微降点实现端到端检测），相对于yolo_v4,yolo_v5,pp_yolo等性能较好的算法，在速度仅仅增加1ms左右的情况下，mAP精度实现0.8-2.9左右的涨点。本算法是根据旷视科技开源算法yolox复现的pytorch版本，内含各种对数据集处理，裁剪，数据增强的脚本，标注好的数据集，推理结果以及详细的使用说明，可轻松迁移到其他例如车牌人脸虫害识别，遥感、缺陷、自动驾驶等检测业务场景。也可作为高校大学生的毕业课程设计使用。

针对目标快速移动和遮挡情况导致的客流统计存在误差的问题，设计目标的检测、跟踪、进门行为判断等策略，提出基于深度学习的餐饮业客流统计方法.首先，通过多数据集对YOLOv3-tiny模型进行训练，实现对于小目标的准确检测；进而设计多通道特征融合的目标跟踪算法，完成目标快速移动情况下的稳定跟踪；最后设计目标进门行为的判断方法，通过重叠率对目标的进门行为进行判断，实现对进门客流量的准确统计.最终通过实验验证，客流量统计的平均准确率达到93.5%.

使用python实现，采用 Mask R-CNN 算法模型进行目标检测，使用 Deep SORT 目

用YOLOv5训练出来的口罩检测，map值可达到90%左右，可识别是否佩戴口罩，可识别图片，视频，也可以开启摄像头进行实时检测。直接运行detect就可以

主要是yolov4-tiny和opencv4.4的源码，功能主要用于目标检测，可以在Ubuntu或Linux上跑，直接实现摄像头、视频、图片的检测。

基于光流法的运动目标检测源代码 基于光流法的运动目标检测源代码 基于光流法的运动目标检测源代码 基于光流法的运动目标检测源代码 基于光流法的运动目标检测源代码 基于光流法的运动目标检测源代码

基于codebook运动目标检测 基于codebook运动目标检测 基于codebook运动目标检测