压缩包内提供百度网盘下载链接，永不失效。 该数据集为自采集数据，包含训练集及验证集3880张，测试集1770张。标签为人行道和斑马线两种标签，目前支持XML与YOLO格式的目标检测网络训练。可用于道路安全、行人礼让等任务探索。 该数据集为自采集数据，包含训练集及验证集3880张，测试集1770张。标签为人行道和斑马线两种标签，目前支持XML与YOLO格式的目标检测网络训练。可用于道路安全、行人礼让等任务探索。 该数据集为自采集数据，包含训练集及验证集3880张，测试集1770张。标签为人行道和斑马线两种标签，目前支持XML与YOLO格式的目标检测网络训练。可用于道路安全、行人礼让等任务探索。

压缩包提供下载的百度网盘链接，请放心购买，永久不失效。 该数据集为自采集数据集，包含的数据类别：10类（丝带凤蝶、人纹污灯蛾、松墨天牛、日本脊吉丁、杨小舟蛾、杨扇舟蛾、柳蓝叶甲、桑天牛、褐边绿刺蛾、黄刺蛾），数据量：2262张，其中标注格式为VOC格式，可用于RCNN、YOLOv1-YOLOv7等各种目标检测模型训练。 该数据集为自采集数据集，包含的数据类别：10类（丝带凤蝶、人纹污灯蛾、松墨天牛、日本脊吉丁、杨小舟蛾、杨扇舟蛾、柳蓝叶甲、桑天牛、褐边绿刺蛾、黄刺蛾），数据量：2262张，其中标注格式为VOC格式，可用于RCNN、YOLOv1-YOLOv7等各种目标检测模型训练。 该数据集为自采集数据集，包含的数据类别：10类（丝带凤蝶、人纹污灯蛾、松墨天牛、日本脊吉丁、杨小舟蛾、杨扇舟蛾、柳蓝叶甲、桑天牛、褐边绿刺蛾、黄刺蛾），数据量：2262张，其中标注格式为VOC格式，可用于RCNN、YOLOv1-YOLOv7等各种目标检测模型训练。

本文件已对YOLOV5的代码进行全中文注释，帮助小伙伴们解决代码看不懂的问题，注释不易切用且珍惜，白嫖的话可以直接看，本项目配套https://blog.csdn.net/qq_39237205/category_11911202.html进行讲解，需要更多详情的可以关注栏目，YOLOv5 是在 YOLOv4 出来之后没多久就横空出世了。目前 YOLOv5 发布了新的版本，6.0版本。在这里，YOLOv5 也在5.0基础上集成了更多特性，同时也对模型做了微调，并且优化了模型大小，减少了模型的参数量。那么这样，就更加适合移动端了。【UTF-8编码】

1、YOLOv5反光衣检测，包含训练好的反光衣识别权重和数据集，标签格式为txt和xml两种，分别保存在两个文件夹中 2、有pyqt界面，可检测图片、视频和调用摄像头 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

使用yolov5进行摔倒检测，文件包含项目所需的所有文件，也包括环境安装文件，包含已训练好的模型权重文件，包含官方的detect文件和自写的demo，运行demo_person_fall.py即可，可自行更改路径识别图片和视频

小波基函数 将信号在这个函数系上分解，就得到连续小波变换

进行苹果、香蕉、橙子的水果识别用于yolov数据集仅训练数据集和测试训练集加一起一共300张图片，大部分的图片背景为白色，有少部分的背景干扰，有需要的可以下载测试。

适合三维数据的处理，应用了较为先进的曲波变换来实现，其实践性很强，非常适合研究信号处理方面的理论。

曲波变换matlab代码弯嘴 用于2D和3D Curvelet转换的Python包装器。 它使用设计框架以无矩阵线性运算的形式提供正向和逆向Curvelet变换。 如果您仍然感到困惑，请查看下面的或！ 安装 安装curvelops需要以下组件： 2.1.5 > = 2.0.2 这两个软件包都必须手动安装。 请参阅下面的更多信息。 安装这些工具后，可以使用以下方法安装curvelops ： export FFTW=/path/to/fftw export FDCT=/path/to/CurveLab python3 -m pip install git+https://github.com/cako/curvelops@main 只要您使用的是pip>=10.0 。 要检查，请运行python3 -m pip --version 。 入门 对于2D变换，您可以开始使用： import numpy as np import curvelops as cl x = np . random . normal ( 0. , 1. , ( 100 , 50 )) FDCT = cl . FDCT2

matlab开发-连续小波变换。连续小波变换（CWT）和逆CWT用于重构原始信号。