1、yolov5鲜花检测，包含训练好的鲜花识别权重，以及PR曲线，loss曲线等等，在鲜花检测数据集中训练得到的权重，类别为桃花、梨花和玫瑰3类，标签格式为txt和xml两种，分别保存在两个文件夹中 2、带pyqt界面，可检测图片、视频以及调用摄像头 3、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 4、采用pytrch框架，python代码

1、yolov5交通指示牌检测，包含训练好的交通指示牌检测权重，以及PR曲线，loss曲线等等，在5000多交通标志检测据集中训练得到的权重，有pyqt界面，目标类别类别名为warn_sign、ban_sign、guide_sign、wayfinding_sign共4个类别；并附道路交通标志检测数据集，标签格式为txt和xml两种，分别保存在两个文件夹中 2、pyqt界面可以检测图片、视频、调用摄像头 3、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 4、采用pytrch框架，python代码

YOLOv5火焰烟雾检测+训练好的模型+数据集+pyqt界面，可直接进行推理测试。 1、项目是训练过的，可直接进行推力测试。 2、项目包含烟雾和火焰的数据集，已标记好！ 3、如果想想重新训练也可以。 4、可以直接用训练好的权重pt文件进行推力测试，测试视频和图片都可以，很好用。 5、价格绝对是优惠价，可以放心下载 YOLOv5训练好的火焰烟雾检测模型，包括yolov5s-fire_smoke.pt和yolov5m-fire_smoke.pt两个训练好的模型，并包含标注好的火焰和烟雾数据集，标签格式为xml和txt两种 有QT界面 采用pytrch框架，代码是python的 YOLOv5训练好的火焰烟雾检测 pyqt界面 yolov5界面

1、yolov5绝缘子缺陷检测，包含训练好的道路指示牌识别权重，以及PR曲线，loss曲线等等，在绝缘子缺陷检测数据集中训练得到的权重，有pyqt界面，目标类别名为break_insulator共一个类别；并附绝缘子缺陷检测数据集，标签格式为txt和xml两种，分别保存在两个文件夹中 2、pyqt界面可以检测图片、视频、调用摄像头 3、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 4、采用pytrch框架，python代码

1、yolov5不同颜色安全帽检测，包含训练好的不同颜色安全帽检测权重，以及PR曲线，loss曲线等等，在3000多不同颜色安全帽检测据集中训练得到的权重，有pyqt界面，目标类别名为各种颜色的安全帽以及未正常佩戴安全帽共5个类别；并附不同颜色安全帽检测数据集，标签格式为txt和xml两种，分别保存在两个文件夹中 2、pyqt界面可以检测图片、视频、调用摄像头 3、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 4、采用pytrch框架，python代码

1、yolov5道路指示牌识别，包含训练好的道路指示牌识别权重，以及PR曲线，loss曲线等等，在道路指示牌识别数据集中训练得到的权重，有pyqt界面，目标类别名为trafficlight；speedlimit；crosswalk；stop共四个类别；并附道路指示牌识别数据集，标签格式为txt和xml两种，分别保存在两个文件夹中 2、pyqt界面可以检测图片、视频、调用摄像头 3、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 4、采用pytrch框架，python代码

1、yolov5玩手机检测，包含训练好的玩手机检测权重，以及PR曲线，loss曲线等等，在玩手机检测数据集中训练得到的权重，有pyqt界面，目标类别为play_phone共1个类别，并附3000多张玩手机识别数据集，标签格式为txt和xml两种，分别保存在两个文件夹中 2、pyqt界面可以检测图片、视频、调用摄像头 3、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 4、采用pytrch框架，python代码

python+pyqt5手工编写一个含交互界面的简易词法分析器 @author：x1nge. 编译原理基础实验 基础 在之前的一篇博文中我记录了一个不含交互界面的简易词法分析器程序编写内容 点击此处查看 在本文我将用pyqt5写一个简单的交互界面，也修改了部分代码使得程序更加完整。 具体实验分析 本文全部源码见本文末尾，上次编写的不含交互界面的源码也可点此处下载 交互界面可以用QtDesigner快速编写，或者自己写，我采用的是用可视化界面创建了一个大致的框架，然后再手动添加其他需要的控件，或者微调一些属性。 我简单设计的交互界面如图所示： 有话说： 这边以C和C++为输入语言，其他语言有

1，基于yolov5和pyqt5的可视化界面 2，支持摄像头、视频和图片多种检测模式 3，可重复编辑使用的界面模板

基于YOLOV5火焰烟雾数据集的火灾检测识别系统+训练好的模型+pyqt界面。YOLOV5火灾火焰烟雾检测数据集+代码+训练好的模型+标注好的数据+pyqt界面+代码。烟雾和火焰数据集和源码（包含视频和图片素材，可直接进行推理测试）。 一个非常完整的项目，内附教程讲解，新手也可轻松搞定，拿高分必看哈！！！ 1、项目是训练过的，可直接进行推力测试。 2、项目包含烟雾和火焰的数据集，已标记好！ 3、如果想想重新训练也可以。 4、可以直接用训练好的权重pt文件进行推理