yolov5s 模型

苹果数据集-适应于yolov3模型，包括处理的代码、苹果原始图片(414张)、预处理后的图片(828张)(数据增强和图片的resize和填充)和.xml文件。图像标注工具为labelimg(预选框的形式标注)。

darknet-gpu.rar

darknet_no_gpu.rar

微信公众号截取内容

TensorFlow框架下YOLOV3源码中文详注（训练+测试，各个卷积层，池化层，前向传播，loss损失值函数）

Yolov5代码实现 修改和训练过程 及结果，课程设计

这是一个使用 YOLO 前端和 Fast RCNN 后端的面罩检测模型。 我们使用 YOLO 的逐像素对象预测作为 Fast RCNN 的区域提议器。不同大小的像素（通过使用不同大小的过滤器）对应于这些位置不同大小的 RoI。这种架构是为人脸检测量身定制的，因为它最适合“方形”对象。 objectness>0.5 的位置被送入 Fast RCNN 后端，用于边界框回归和图像分类（如正确佩戴口罩、佩戴不当口罩、无口罩） 该模型建立在在 ImageNet 上预训练的 InceptionV3 之上 数据集取自 Kaggle

如果Github下载较慢的话，可以使用这个文件 ，原github地址： ghttps://github.com/AlexeyAB/darknet

Yolov5，支持python3.6版本，目前官方版本为3.8。