1、YOLO红外车辆行人检测数据集，真实场景的高质量图片数据，数据场景丰富。使用lableimg标注软件标注，标注框质量高，含voc(xml)、coco(json)和yolo(txt)三种格式标签，分别存放在不同文件夹下，可以直接用于YOLO系列的目标检测。 2、附赠YOLO环境搭建、训练案例教程和数据集划分脚本，可以根据需求自行划分训练集、验证集、测试集。 3、数据集详情展示和更多数据集下载：https://blog.csdn.net/m0_64879847/article/details/132301975

红外车辆行人检测数据集，几千张带VOC格式和YOLO格式标签的红外数据集

基于yolov5+opencv实现车辆+行人检测源码(带GUI界面)+训练好的模型+数据集+评估指标曲线+操作使用说明.7z 检测的类别目标有：人、轿车、卡车、大巴车 带GUI界面、训练好的模型、评估指标曲线、loss曲线、精确度曲线、召回率等、项目说明 【备注】主要针对正在做毕设的同学和需要项目实战的深度学习cv图像识别模式识别方向学习者。 也可作为课程设计、期末大作业。包含：项目源码、训练好的模型、项目操作说明等，该项目可直接作为毕设使用。 也可以用来学习、参考、借鉴。如果基础不错，在此代码上做修改，训练其他模型。

1、YOLOv7车辆行人检测训练权重 ，附有各种训练曲线图，可使用tensorboard打开训练日志，map达90%以上 2、classes: person、car 3、检测结果和数据集参考：https://blog.csdn.net/weixin_51154380/article/details/127988082?spm=1001.2014.3001.5502

1、YOLO车辆行人识别数据集 目标类别为person和car 共2个类别，5000多张行人车辆检测数据集，标签格式为txt和xml两种，分别保存在两个文件夹中 2、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743

1、yolov5车辆行人检测，包含yolov5s和yolov5m两种训练好的车辆行人检测权重，以及PR曲线，loss曲线等等，map达90% 多，在一万多张交通场景行人车辆数据集中训练得到的权重，有pyqt界面，目标类别为person和car 共2个类别，并附5000多张行人车辆检测数据集，标签格式为txt和xml两种，分别保存在两个文件夹中 2、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 3、采用pytrch框架，python代码

1、yolov3车辆行人检测，包含yolov3训练好的车辆行人检测权重以及PR曲线，loss曲线等等，map达90% 多，在一万多张交通场景行人车辆数据集中训练得到的权重，目标类别为person和car 共2个类别，并附5000多张行人车辆检测数据集，标签格式为txt和xml两种，分别保存在两个文件夹中 2、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 3、采用pytrch框架，python代码，可以和YOLOv5共用一个环境，配置好环境就可以加载已经训练好的模型直接进行测试，得出结果

1、yolov5车辆行人检测，包含yolov5s和yolov5m两种训练好的车辆行人检测权重，在一万多张交通场景行人车辆数据集中训练得到的权重，有pyqt界面，目标类别为person和car 共2个类别，并附5000多张行人车辆检测数据集，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、视频和调用摄像头，有相应的选择项 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、街道和公路场景下YOLO车辆行人检测 2、车辆行人数据集较大，被拆分为两部分，此为part2，共5000多张标注好的 图片 3、目标类别：person、car 4、标签格式为VOC和YOLO两种格式，即xml和txt格式 5、可直接用于智能驾驶场景的车辆行人检测

1、街道和公路场景下YOLOv5车辆行人检测 2、车辆行人数据集较大，被拆分为两部分，此为part1，共1万多张标注好的 图片 3、目标类别：person、car 4、标签格式为VOC和YOLO两种格式，即xml和txt格式 5、可直接用于智能驾驶场景的车辆行人检测