DETR（DEtection TRansformer）是一种基于Transformer架构的端到端目标检测模型，其主要流程包括： 1. 特征提取：通过卷积神经网络提取输入图像的特征。 2. Transformer编码器：将特征图输入Transformer编码器，利用自注意力机制和全连接层获取位置的上下文信息。 3. 对象查询：引入特殊的“对象”查询向量，指导模型在每个位置关注的对象类别。 4. 解码器：将Transformer编码器的输出作为解码器的输入，通过多层自注意力计算和全连接层计算生成每个位置的对象特征。 5. 对象匹配：将对象特征与所有可能的目标类别进行匹配，产生候选框和得分。 6. 位置预测：为每个候选框产生精确的位置预测。 DETR简化了目标检测流程，无需使用锚框或非极大值抑制，直接输出目标检测结果

1、基于yolov5算法实现摩托车识别检测源码+模型文件+评估指标曲线+使用说明 2、附有训练、loss(损失值)下降曲线、Recall(召回率)曲线、precision(精确度)曲线、mAP等评估指标曲线 3、训练使用4142张图片训练，9000多个目标对象 4、迭代200次，模型拟合nice，高评估指标。 【备注】有相关使用问题，可以私信留言跟博主沟通。

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

针对 YOLO 目标检测算法在小目标检测方面存在的不足 ， 以及难以在嵌入式平台上达到实 时性的问题 ， 设计出了一种基于 YOLO 算法改进的 dense _ YOLO 目标检测算法

YOLOv5目标检测算法多阶段改进 YOLOv5目标检测算法多阶段改进 YOLOv5目标检测算法多阶段改进 YOLOv5目标检测算法多阶段改进 YOLOv5目标检测算法多阶段改进 YOLOv5目标检测算法多阶段改进 YOLOv5目标检测算法多阶段改进 YOLOv5目标检测算法多阶段改进 YOLOv5目标检测算法多阶段改进 YOLOv5目标检测算法多阶段改进 YOLOv5目标检测算法多阶段改进 YOLOv5目标检测算法多阶段改进 YOLOv5目标检测算法多阶段改进 YOLOv5目标检测算法多阶段改进 YOLOv5目标检测算法多阶段改进 YOLOv5目标检测算法多阶段改进 YOLOv5目标检测算法多阶段改进 YOLOv5目标检测算法多阶段改进 YOLOv5目标检测算法多阶段改进 YOLOv5目标检测算法多阶段改进 YOLOv5目标检测算法多阶段改进 YOLOv5目标检测算法多阶段改进 YOLOv5目标检测算法多阶段改进 YOLOv5目标检测算法多阶段改进 YOLOv5目标检测算法多阶段改进 YOLOv5目标检测算法多阶段改进 ......

yolov4目标检测算法 ，一共1338张训练集，已标注好。可识别0 1 2 3 4 5手势，