吸烟(抽烟)检测和识别1：吸烟(抽烟)数据集说明(含下载链接):https://blog.csdn.net/guyuealian/article/details/130337263 吸烟(抽烟)检测和识别2：Pytorch实现吸烟(抽烟)检测和识别(含吸烟(抽烟)数据集和训练代码)：https://blog.csdn.net/guyuealian/article/details/131521338

假设一个系统中有三个抽烟者进程，每个抽烟者不断地卷烟并抽烟。抽烟者卷起并抽掉一颗烟需要有三种材料：烟草、纸和胶水。一个抽烟者有烟草，一个有纸，另一个有胶水。

其中包含5000多张图片，以及相应的text文本标注，包括类别，和烟的坐标。内容为抽烟图片，格式对标yolov5.6.2，修正一下路径和类别即可直接执行训练。

目前，基于深度学习的目标检测方法主要有两大分支，分别是基于区域提取的两阶段目标检测模型和直接进行位置回归的一阶段目标检测模型。 故本项目通过采用深度学习方法实现对吸烟行为的目标检测，使用python语言搭建YOLO算法实现对吸烟行为的实时监测。 YOLO算法将整幅图像分为了多个网格单元，对每个网格中心目标进行检测，该算法不用生成候选区域，在一个卷积网络中就可以完成特征提取、分类回归等任务，检测过程得到了简化，检测速度也变得更快，但该算法对于小尺度目标的检测不够准确，如果图像中存在重叠遮挡等现象就可能出现遗漏。

吸烟检测数据集-监控视角，VOC格式，XML标注文件

1、YOLOv7吸烟行为检测训练权重 ，附有各种训练曲线图，可使用tensorboard打开训练日志， 2、classes: smoke； 3、检测结果和数据集参考： https://blog.csdn.net/weixin_51154380/article/details/127354103?spm=1001.2014.3001.5502

抽烟检测一共2500多张图片含负样本，训练测试比例为8：2。进行了数据划分，数据增强，数据清洗，负样本添加，可以直接下载使用。准确率可达0.98+

吸烟量危险因素分析论文

使用yolov5训练的onnx吸烟检测权重文件，配置好环境可以直接使用，效果很好

其中包含train4104张，val 375张，test 371张，以及相应的text文本标注，包括类别，和烟的坐标。内容为抽烟图片，格式对标yolov5，改一下路径和类别即可直接执行训练。