object_detection，目标检测文件。下载的protos包里只有string_int_label_map.proto这个文件，没有string_int_label_map_pb2.py文件，运行时会出现错误。自己去生成pb2文件比较麻烦。上传的这个string_int_label_map_pb2.py本机可正常使用。

安装openvino及猫狗目标检测（实验报告）

支持图片，视频，rtsp视频流检测 。详情：https://blog.csdn.net/qq_34717531/article/details/125095246?spm=1001.2014.3001.5502。 算法部署，检测画面实时web界面显示。yolov4 检测，可替换自己的算法模型，方便在线部署和在线演示。 安装： 1.安装和配置cuda和cudnn。 2.安装和编译opencv。 3.安装flask。 有问题可以私信我，免费帮助解决。

这是机场卫星遥感图片数据集，是可将光成像，一共1000张，图片的尺寸为1024x1024，图片包含了一种类别：机场。数据集已经打好标签，标签的格式为pascal voc格式（xml）。数据集可用于目标检测算法的研究，比如Yolo系列目标检测算法。

基于YOLOv4的日常生活物品目标检测的Android应用开发源码。基于YOLOv4的日常生活物品目标检测的Android应用开发源码。基于YOLOv4的日常生活物品目标检测的Android应用开发源码。基于YOLOv4的日常生活物品目标检测的Android应用开发源码。基于YOLOv4的日常生活物品目标检测的Android应用开发源码。基于YOLOv4的日常生活物品目标检测的Android应用开发源码。基于YOLOv4的日常生活物品目标检测的Android应用开发源码。基于YOLOv4的日常生活物品目标检测的Android应用开发源码。基于YOLOv4的日常生活物品目标检测的Android应用开发源码。基于YOLOv4的日常生活物品目标检测的Android应用开发源码。基于YOLOv4的日常生活物品目标检测的Android应用开发源码。基于YOLOv4的日常生活物品目标检测的Android应用开发源码。基于YOLOv4的日常生活物品目标检测的Android应用开发源码。基于YOLOv4的日常生活物品目标检测的Android应用开发源码。基于YOLOv4的日常生活物品目标检测的Andr

最近来，随着我国经济水平不断发展，人民生活质量和可支配收入逐渐提升，越来越多人希望获得更快捷的出行方式，选择购买电动汽车或新能源汽车，全国机动车持有数量呈现出不断增涨的姿态。同时，这也带来了日益严重的交通拥堵、停车困难、交通事故等问题。构建智能交通系统显得尤为必要，车型识别技术作为其中重要组成部分，随着深度学习方法得到广泛应用，本文基于深度学习对车辆车型识别进行研究，为解决日益凸显的交通问题做出贡献。本文对国内外车型识别研究进行总结，分析不同识别方法优势与不足。介绍神经网络的发展、相关结构与技术原理，深入了解不同深度神经网络模型（VGGNet、InceptionNet、ResNet）的结构及原理，突出其独特改进优势。本文选用识别精度较高，在速度上具有很大优势的YOLO算法，在BIT-Vehicle ID数据集上进行车辆检测试验，实验获得较好的准确度，mAP达到94.08%。

基于yolov5的口罩识别检测系统，含UI设计

近五年红外目标检测与跟踪方法实现合集，包括参考文献和实现代码，语言主要为matlab,部分为C语言，深度学习的模型为训练好的模型，文件夹分门别类，可供学习

货架牌面检测系统，通过神经网络目标检测、OCR、特征检测与比对算法，实现商品的识别和盘点.zip

为了解决煤矿井下复杂光照条件导致人脸识别率低的问题, 提出了一种适用于煤矿井下复杂光照条件下的人脸识别方法。首先利用小波分解将人脸图像分解为低频和高频部分, 对低频部分利用直方图均衡化处理, 增强图像对比度; 然后采用引入模糊隶属度因子的小波去噪模型对高频部分进行滤波处理, 并通过新的PAL模糊增强算法对高频部分进行模糊增强, 在不同阈值下的非线性变换得到不同尺度、不同方向的特征图像, 并进行反模糊处理; 最后对处理后的低频和高频部分进行小波重构。实验表明, 在井下复杂光照条件下, 本文提出的人脸识别方法能有效改善人脸图像的整体效果, 增强图像的细节信息, 且平均识别率能够达到94.45%, 显著提高了井下复杂光照下的人脸识别率。