筛选coco2017数据集，train+val共120000张，挑选出包含person类（人）的图片，生成yolov5可以训练的数据集。由于上传限制，只含label，只含label，只含label！image在我的baidu网盘，地址见我个人主页博客。

目标行人轨迹跟踪的权重，也就是ckpt.t7权重文件，已经帮大家下载好了，方便使用

英文字母手语数据集，一共24个英文字母，差不多2000张图片，全部分类可直接使用，分为测试集、验证集和训练集

修剪YOLO 使用模型修剪方法获得紧凑模型，即基于YOLOv5的Pruned-YOLOv5。 注意： 1.该项目基于 。 首先将其安装。 然后，使用此处提供的模型配置文件（ coco_yolov5l.yaml ）和网络模块定义文件（ common.py ）替换原始的对应文件。 2.参考 ，我们还使用次梯度方法进行稀疏度训练（ sparsity.py ）。 此外，稀疏训练和微调相结合以简化修剪流程。 在训练过程中，我们介绍了软掩膜策略和稀疏因子余弦衰变。 3.使用train_sr.py进行稀疏火车，可以直接进行修剪，而无需进行微调。 4.请把prune_channel_v5_weightingByKernel.py和prune_layer_v5_weightingByKernel.py放在主目录（ / yolov5 / ）中。 前者用于通道修剪，后者用于层修剪。 模型修剪可以由他们

YOLOv5权重文件：M模型。yolov5系列将在2020年第2/3季度进行架构研究和开发，以提高性能。更新可能包括来自yolov4的CSP瓶颈，以及PANet或BiFPN head特性。

云盘下载的yolov5权重文件，传上来造福一下大家。下载后在Yolov5根目录中解压就行，如果放在weights文件夹里的话记得改代码路径。

yolov5源码detect.py的基础上进行魔改，可以直接部署在Jetson系列设备上。内部增加了串口发送功能，可以发送目标检测识别框的坐标信息。详细教程请见https://blog.csdn.net/onetwothree_go/article/details/116132760

https://github.com/ultralytics/yolov5已经调试好了代码，可适用于pytorch1.6.0版本哦 图片删除了大半，太大了传不上去。可根据自己的数据集修改

自己训练数据，灯光检测

收集了树莓派非常难装的torch1.5 torchvision0.6 scipy 的arm7l的.whl文件，经测试，可以运行yolov5代码。（opencv-python可以配置一些依赖环境，直接pip装，很多博客都有介绍）