yolov5-master.zip

detect3.py+Qt,TCPsocket通信，可接收7钟手势识别技术，训练功能已包含，切记训练图片和txt不要命名带中文！

旋转检测 要求 torch==1.6 shapely==1.7.1 opencv==4.2.0.34 推理 您可以下载（密码为4ud5）以通过我的数据集（而非DOTA）检测船舶，以测试演示。 $ python detect.py 火车 我的模型需要什么格式 与yolo数据集没有太大区别，只是增加一个角度，我们定义box属性w总是长于h！ 因此，我们将框标签定义为（cls，c_x，c_y，最长边，短边，角度） 注意！我们定义角度是一个分类问题，因此我们为角度定义了180个类别。 例如： 角度范围是[-90，90），因此wo在制作数据集标签时应将角度增加90 ，然后标签的范围应为[0,179） 修改yaml models / yolov5m.yaml：将nc设置为您的数据集类num； data / wheat0.yaml：将nc设置为数据集类编号，并将名称设置为数据集类名称； $

本项目用Yolov4实现传统目标检测，Yolov5实现车牌检测，可以一起呈现，需要的老板联系。

yolov5 7中手势识别，detect3.py可以做通信识别(用Qt项目Tcp Socket接收)，detect3.py可以做视频流的识别 项目已做脱皿处理，训练数据已清除，但\yolov5\runs\train\exp2\weights\last.pt为yolov5l6.pt做600次迭代 希望“友商”赶紧跟上！

yolov5_FaceMask：检测带有或不带有口罩的人。 使用YOLOv5训练

深度学习模型部署环境docker.zip

YOLO系列是基于深度学习的端到端实时目标检测方法。 PyTorch版的YOLOv5轻量而性能高，更加灵活和便利。  本课程将手把手地教大家使用labelImg标注和使用YOLOv5训练自己的数据集。课程实战分为两个项目：单目标检测（足球目标检测）和多目标检测（足球和梅西同时检测）。  本课程的YOLOv5使用ultralytics/yolov5，在Ubuntu系统上做项目演示。包括：安装YOLOv5、标注自己的数据集、准备自己的数据集、修改配置文件、训练自己的数据集、测试训练出的网络模型和性能统计。  希望学习在Windows系统上演示的学员，请前往《YOLOv5(PyTorch)实战：训练自己的数据集(Windows)》课程链接：https://edu.csdn.net/course/detail/30923 本人推出了有关YOLOv5目标检测的系列课程。请持续关注该系列的其它视频课程，包括： 《YOLOv5(PyTorch)目标检测实战：训练自己的数据集》 Ubuntu系统 https://edu.csdn.net/course/detail/30793 Windows

此前 6月份那个权重 已经无法加载到最新的工程里面了这是最新的，亲测可用（2020年7-30）， 从谷歌云盘下载的，一共8个文件， 包含6月份的和最新的5积分不多吧..

yolov5.rar开源代码