标注好火灾烟雾数据集5200左右，pytorch-yolo 可直接使用

深度学习框架，目标检测

#React-Start 一个简单的，有点固执的人——没有大惊小怪，没有花哨，没有口哨的样板，用于创建 React 组件。 我们的目标只是简单地尝试和实现React是MVC中的V的想法。 Flux、Routing、Isomorphic 等很酷，但这不是start-react 的目的，它被创建为任何只想构建、测试和打包“可组合组件”或V视图的人的简单选择然后在任何应用程序中重用。 特征： NPM - 包管理，用于构建管理的脚本指令。 浏览器 - 同步实时浏览器重新加载文件，包括React组件。 Webpack - 捆绑模块和依赖项 必需的 NodeJS - Bower- 安装npm install -g bower 浏览器同步- 安装npm install -g browser-sync 快速开始 下载存储库包： 解压包 安装依赖： npm install安装 npm 和 bowe

yolo系列框架整理(面试用).md

口罩和火焰数据集总共4K+

吸烟检测数据集

yolo系列的权重，包括v3\v4\v5；deepsort的权重

适用于Windows和Linux的Yolo v4，v3和v2 （用于物体检测的神经网络） YOLO v4纸： : Paper Scaled ： ： 用于重现结果： 有关媒体的文章中的更多详细信息： 手册： ： 讨论： 关于Darknet框架： : AP50：95-FPS（Tesla V100）论文： ： AP50：95 / AP50-FPS（Tesla V100）论文： ： tkDNN-TensorRT将批处理= 1的YOLOv4加速约2倍，将批处理= 4的YOLOv4加速3倍-4倍。 tkDNN： ： OpenCV： : GeForce RTX 2080 Ti： 网络规模 暗网，FPS（平均） tkDNN TensorRT FP32，FPS tkDNN TensorRT FP16，FPS OpenCV FP16，FPS tkD

用于训练YOLO网络的人脸识别数据集，已经标注好了的，可直接训练

YOLO网络车辆识别检测，已经标注好了的。主要是标注了电动车和自行车的数据集，已经标注好了的，可以直接训练。