基于深度学习的实时车辆检测代码，基于python和yolo算法编写

由于电力线路绝缘子的故障导致输电系统的故障，基于架空平台的绝缘子检测系统得到了广泛的应用。绝缘子缺陷检测是在航空图像的复杂背景下进行的，这是一个有趣但具有挑战性的问题。基于手工特征或浅层学习技术的传统方法只能在特定检测条件下定位绝缘体并检测故障，例如在有足够的先验知识、背景干扰较低、特定物体尺度或特定照明条件下。本文讨论了利用航空图像自动检测绝缘子缺陷，精确定位从实际检测环境中采集的输入图像中出现的绝缘子缺陷。我们提出了一种新的深度卷积神经网络（CNN）级联结构，用于定位和检测绝缘子中的缺陷。级联网络使用基于区域建议网络的CNN将缺陷检测转化为两级目标检测问题。为了解决实际检测环境中缺陷图像的稀缺性，还提出了一种数据增强方法，该方法包括四个操作：1）仿射变换；2） 绝缘子分割与背景融合；3） 高斯模糊；亮度变换。使用标准绝缘子数据集，该方法的缺陷检测精度和召回率分别为0.91和0.96，可以成功地检测出各种条件下的绝缘子缺陷。实验结果表明，该方法满足绝缘子缺陷检测的鲁棒性和准确性要求。

yolov5m6烟火检测模型

用yolov5训练的火焰烟雾检测

带有Tensorflow 2的YOLO 您只看一次：统一的实时对象检测< > @misc{redmon2016look, title={You Only Look Once: Unified, Real-Time Object Detection}, author={Joseph Redmon and Santosh Divvala and Ross Girshick and Ali Farhadi}, year={2016}, eprint={1506.02640}, archivePrefix={arXiv}, primaryClass={cs.CV} }

配套吴恩达深度学习第四课第三周yolo算法，各位可能也下载其他人的发现并不好用，我猜想可能是每个人对应的yolo文件需要配套的文件，所以我把生成yolo.h5的文件都放在里面了，直接解压之后复制粘贴替换在作业里面。如果还不能有用，请按照我提供的链接自己生成yolo（工具我已经下载在压缩包里面了），务必在我的文档里面进行（不要把文件解压后放在一个文件夹里，直接解压当前文件夹） 如果不好用可以留言求助私聊

自用就是这个，放在对应目录就行，不能直接传源文件所以传的是压缩文件。文件很大，如果要自己做一个yolo.h5的话还是比较费心的。

如果import其他地方找到的yolo.h5可能导致文件不可用，折腾了一下午，终于搞定了这个文件，现在分享出来~

适用于吴恩达深度学习课程的yolo.h5模型文件，利用yolo官网的weights与cfg文件，通过yad2k转换为keras的h5模型文件。

yolo-tiny的caffe模型，配合caffe使用 YOLO是一个实时目标检测系统，通俗点说就是在输入数据(图片或者视频)中查找特定的目标。举个例子，如果让一个专门识别龙的YOLO模型观看《权力的游戏》，在理想情况下，一旦画面中出现了龙，YOLO系统就会激动地用框框标记出画面中的龙。