1、YOLOv5自行车检测训练权重 ，附有各种训练曲线图，可使用tensorboard打开训练日志 2、classes: bike； 3、包含自行车检测数据，标签格式为VOC和YOLO两种 4、检测结果和数据集参考：https://blog.csdn.net/weixin_51154380/article/details/127335241?spm=1001.2014.3001.5502

1、YOLOv7自行车检测训练权重 ，附有各种训练曲线图，可使用tensorboard打开训练日志 2、classes: bike； 3、并包含自行车检测数据，标签格式为VOC和YOLO两种 4、检测结果和数据集参考：https://blog.csdn.net/weixin_51154380/article/details/127335241?spm=1001.2014.3001.5502

1、YOLOv3自行车检测训练模型 ，附有各种训练曲线图，可使用tensorboard打开训练日志 2、classes: bike； 3、包含自行车检测数据，标签格式为VOC和YOLO两种 4、检测结果和数据集参考：https://blog.csdn.net/weixin_51154380/article/details/127335241?spm=1001.2014.3001.5502

1、基于yolov5算法实现电动自行车识别检测源码+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、4张3080ti显卡，5000多张图像数据（8000多个电动车目标）训练迭代200次，模型拟合较好。 4、识别一个类别，分别是“电动自行车” 【备注】有相关使用问题，可以私信留言跟博主沟通。

1、YOLO自行车检测数据集，标签格式为VOC和YOLO两种格式，数据质量高，都是采集真实的各种场景的数据，进行了数据清洗，并使用lableimg标注软精细化标注，标注框质量高，数据集样例和其他数据集下载见：https://blog.csdn.net/weixin_51154380/article/details/124480876 spm=1001.2014.3001.5502 2、classes: bike 2、 数量： 1800 3、可以直接用于yolo算法自行车检测

1、YOLOv3自行车检测目标检测数据集 2、类别名： bicycle 3、来源：从 VOCtest207数据集中 单个类别提取得到 4、标签类别：txt和 xml两种 5、图片数量：250

自行车目标检测 yolov5 自行车检测数据集， 类别名：bicycle； VOCtrainva2012数据集 提取得到，标签类别：txt和 xml两种

1、YOLO自行车检测数据集 2、类别名： bicycle 3、来源：从 VOCtrainva2012数据集 单类别提取得到 4、标签类别：txt和 xml两种 5、图片数量：603

电动车自行车数据集.该数据集分为二个部分,JPEGImages和Annotations.JPEGImages文件夹中有4100+张各种场景的电动车自行车图像,共5700+个电动车650+个自行车标注框. 并对每张图片使用labelimg做了人工标注,标注对应的xml文件放在了Annotations文件夹中. 本数据集图片清晰,场景广泛,精心挑选,人工标注.适用于任意场景,可作为电动车自行车检测的模板数据集. 应用特定场景时,只需加入部分特定场景数据,即可满足对特定场景电动车自行车的检测. 免去了收集,挑选,标注电动车自行车图片的时间,可直接进行工程化应用

电动车自行车数据集.该数据集分为二个部分,JPEGImages和Annotations.JPEGImages文件夹中有4100+张各种场景的电动车自行车图像,共5700+个电动车650+个自行车标注框. 并对每张图片使用labelimg做了人工标注,标注对应的xml文件放在了Annotations文件夹中. 本数据集图片清晰,场景广泛,精心挑选,人工标注.适用于任意场景,可作为电动车自行车检测的模板数据集. 应用特定场景时,只需加入部分特定场景数据,即可满足对特定场景电动车自行车的检测. 免去了收集,挑选,标注电动车自行车图片的时间,可直接进行工程化应用.