yolov5实现目标检测，包括yolov5整个训练亲测流程，改代码配置好所需cuda、torch等环境后，可直接运行，或者按照训练流程重新训练和测试自己的数据集，包教会。

使用 TensorFlow Object Detection API 进行实时目标检测（基于 SSD 模型） 实验目的 使用 TensorFlow Object Detection API 进行实时目标检测（基于 SSD 模型） 任务列表： • 行人识别 • 人脸识别 • 交通灯识别 • 实时检测（平均 FPS>15） • 使用 tflite 将模型移植到嵌入式设备

Object Detection in 20 Years: A Survey（摘要笔记，可做索引配合阅读）

说明： 文件描述：本程序是人脸口罩智能检测系统的上位机客户端程序。 主要功能：接收来自jetson nano开发板的视频和数据信息，进行显示和通信。 main.py 程序的主入口文件。 utils.py 封装了大部分的Tkinter界面函数。 Video.py 视频保存、播放和删除相关代码。 注意：程序基于Tkinter（gui）和VideoGear（视频传输）开发

SSD-config文件分析 思维导图

object detection API

PythonTensorflow-ObjectDetection-SSD_resnet50_v1_fpn 使用ssd_resnet50_v1_fpn模型训练血液图像 细节 Tensorflow：2.2 训练时间：6小时 训练步骤：58600 批量大小：16 培训类型：检测 类：3 火车数据号：267 测试数据号：97 标签：xml-> csv-> train.record和test.record 型号： : 数据集： : 结果（测试数据集，左：预测，右：groundtruth）

Google MediaPipe Object Detection

包含了从图片到TFRecord的代码