zip文件

Python-基于YOLOv3的行人检测 评分:

基于YOLOv3的行人检测
2019-08-11 上传 大小：1650KB
立即下载
zip文件
基于yoloV3的目标检测神经网络可识别行人、自行车与机动车python源码.zip

基于yoloV3的目标检测神经网络可识别行人、自行车与机动车python源码.zip 基于yoloV3的目标检测神经网络可识别行人、自行车与机动车python源码.zip 基于yoloV3的目标检测神经网络可识别行人、自行车与机动车python源码.zip 基于yoloV3的目标检测神经网络可识别行人、自行车与机动车python源码.zip 基于yoloV3的目标检测神经网络可识别行人、自行车与机动车python源码.zip 基于yoloV3的目标检测神经网络可识别行人、自行车与机动车python源码.zip基于yoloV3的目标检测神经网络可识别行人、自行车与机动车python源码.zip 基于yoloV3的目标检测神经网络可识别行人、自行车与机动车python源码.zip 基于yoloV3的目标检测神经网络可识别行人、自行车与机动车python源码.zip 基于yoloV3的目标检测神经网络可识别行人、自行车与机动车python源码.zip 【资源说明】 1、该资源内项目代码都是经过测试运行成功，功能正常的情况下才上传的，请放心下载使用。 2、适用人群：主要针对计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、数学、电子信息等)的同学或企业员工下载使用，具有较高的学习借鉴价值。 3、不仅适合小白学习实战练习，也可作为大作业、课程设计、毕设项目、初期项目立项演示等，欢迎下载，互相学习，共同进步！

立即下载
rar文件
YOLOv7行人跌倒检测+训练好的模型+1000多数据集

1、yolov7行人摔倒检测，包含训练好的行人摔倒检测权重，以及PR曲线，loss曲线等等，在一千多张行人摔倒检测数据集中训练得到的权重，目标类别为fall 共1个类别，并附1000多张行人摔倒检测数据集，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

立即下载
zip文件
智慧交通基于YOLOv8的行人车辆检测计数系统源码(部署教程+训练好的模型+各项评估指标曲线).zip

智慧交通基于YOLOv8的行人车辆检测计数系统源码(部署教程+训练好的模型+各项评估指标曲线).zip 平均准确率：0.91 类别：person、truck、car、bus、traffic light 【资源介绍】 1、ultralytics-main ultralytics-main为YOLOv8源代码，里面涵盖基于yolov8分类、目标检测额、姿态估计、图像分割四部分代码，我们使用的是detect部分，也就是目标检测代码 2、搭建环境 安装anaconda 和 pycharm windows系统、mac系统、Linux系统都适配 在anaconda中新建一个新的envs虚拟空间(可以参考博客来)，命令窗口执行：conda create -n YOLOv8 python==3.8 创建完YOLOv8-GUI虚拟空间后，命令窗口执行：source activate YOLOv8 激活虚拟空间 然后就在YOLOv8虚拟空间内安装requirements.txt中的所有安装包，命令窗口执行：pip install -r requirements.txt 使用清华源安装更快 3、训练模型过程 进入到\ultralytics-main\ultralytics\yolo\v8\detect\文件夹下，datasets即为我们需要准备好的数据集，训练其他模型同理。 data文件夹下的bicycle.yaml文件为数据集配置文件，该文件为本人训练自行车检测模型时创建，训练其他模型，可自行创建。博文有介绍https://blog.csdn.net/DeepLearning_?spm=1011.2415.3001.5343 train.py中238行，修改为data = cfg.data or './bicycle.yaml' # or yolo.ClassificationDataset("mnist") 237行修改自己使用的预训练模型 若自己有显卡，修改239行，如我有四张显卡，即改成args = dict(model=model, data=data, device=”0,1,2,3“) 以上配置完成后运行train.py开始训练模型，训练完毕后会在runs/detect/文件夹下生成train*文件夹，里面包含模型和评估指标等 4、推理测试 训练好模型，打开predict.py，修改87行，model = cfg.model or 'yolov8n.pt'，把yolov8n.pt换成我们刚才训练完生成的模型路径(在\ultralytics-main\ultralytics\yolo\v8\detect\runs\detect文件夹下)，待测试的图片或者视频存放于ultralytics\ultralytics\assets文件夹， 运行predict.py即可，检测结果会在runs/detect/train文件夹下生成。

立即下载
zip文件
Python基于YOLOv3/4的混合模态行人检测算法项目源码+文档说明+数据集+实验结果+使用说明（高分毕设）

Python基于YOLOv3/4的混合模态行人检测算法项目源码+文档说明+数据集+实验结果+使用说明（高分毕设），含有代码注释，新手也可看懂，个人手打98分项目，导师非常认可的高分项目，毕业设计、期末大作业和课程设计高分必看，下载下来，简单部署，就可以使用。该项目可以直接作为毕设、期末大作业使用，代码都在里面，系统功能完善、界面美观、操作简单、功能齐全、管理便捷，具有很高的实际应用价值，项目都经过严格调试，确保可以运行！ Python基于YOLOv3/4的混合模态行人检测算法项目源码+文档说明+数据集+实验结果+使用说明（高分毕设）Python基于YOLOv3/4的混合模态行人检测算法项目源码+文档说明+数据集+实验结果+使用说明（高分毕设）Python基于YOLOv3/4的混合模态行人检测算法项目源码+文档说明+数据集+实验结果+使用说明（高分毕设）Python基于YOLOv3/4的混合模态行人检测算法项目源码+文档说明+数据集+实验结果+使用说明（高分毕设）Python基于YOLOv3/4的混合模态行人检测算法项目源码+文档说明+数据集+实验结果+使用说明（高分毕设）Python

立即下载
pptx文件
[PPT]Python基于改进YOLOv5的烟叶病害检测系统PPT

[PPT]Python基于改进YOLOv5的烟叶病害检测系统PPT

立即下载
zip文件
智慧交通基于yolov8的行人车辆检测计数系统python源码+onnx模型+精美GUI界面.zip

测试环境】 windows10 anaconda3+python3.8 torch==1.9.0+cu111 ultralytics==8.2.70 【模型可以检测出类别】 person,car,bus,truck,traffic light 更多实现细节参考博文：https://blog.csdn.net/FL1623863129/article/details/142265382

立即下载
zip文件
智慧交通-基于YOLOv9实现道路车辆行人识别检测计数系统python源码+详细运行教程+训练好的模型+评估指标曲线.zip

智慧交通-基于YOLOv9实现道路车辆行人识别检测计数系统python源码+详细运行教程+训练好的模型+ 【使用教程】 一、环境配置 1、建议下载anaconda和pycharm 在anaconda中配置好环境，然后直接导入到pycharm中，在pycharm中运行项目 anaconda和pycharm安装及环境配置参考网上博客，有很多博主介绍 2、在anacodna中安装requirements.txt中的软件包 命令为：pip install -r requirements.txt 或者改成清华源后再执行以上命令，这样安装要快一些 软件包都安装成功后才算成功 3、安装好软件包后，把anaconda中对应的python导入到pycharm中即可（不难，参考网上博客） 二、环境配置好后，开始训练（也可以训练自己数据集） 1、数据集准备 需要准备yolo格式的目标检测数据集，如果不清楚yolo数据集格式，或者有其他数据训练需求，请看博主yolo格式各种数据集集合链接：https://blog.csdn.net/DeepLearning_/article/details/127276492 里面涵盖了上百种yolo数据集，且在不断更新，基本都是实际项目使用。来自于网上收集、实际场景采集制作等，自己使用labelimg标注工具标注的。数据集质量绝对有保证！ 本项目所使用的数据集，见csdn该资源下载页面中的介绍栏，里面有对应的下载链接，下载后可直接使用。 2、数据准备好，开始修改配置文件 参考代码中data文件夹下的banana_ripe.yaml，可以自己新建一个不同名称的yaml文件 train：训练集的图片路径 val：验证集的图片路径 names: 0: very-ripe 类别1 1: immature 类别2 2: mid-ripe 类别3 格式按照banana_ripe.yaml照葫芦画瓢就行，不需要过多参考网上的 3、修改train_dual.py中的配置参数，开始训练模型 方式一： 修改点： a.--weights参数，填入'yolov9-s.pt'，博主训练的是yolov9-s，根据自己需求可自定义 b.--cfg参数，填入 models/detect/yolov9-c.yaml c.--data参数，填入data/banana_ripe.yaml，可自定义自己的yaml路径 d.--hyp参数，填入hyp.scratch-high.yaml e.--epochs参数，填入100或者200都行，根据自己的数据集可改 f.--batch-size参数，根据自己的电脑性能（显存大小）自定义修改 g.--device参数，一张显卡的话，就填0。没显卡，使用cpu训练，就填cpu h.--close-mosaic参数，填入15 以上修改好，直接pycharm中运行train_dual.py开始训练 方式二： 命令行方式，在pycharm中的终端窗口输入如下命令，可根据自己情况修改参数 官方示例：python train_dual.py --workers 8 --device 0 --batch 16 --data data/coco.yaml --img 640 --cfg models/detect/yolov9-c.yaml --weights '' --name yolov9-c --hyp hyp.scratch-high.yaml --min-items 0 --epochs 500 --close-mosaic 15 训练完会在runs/train文件下生成对应的训练文件及模型，后续测试可以拿来用。 三、测试 1、训练完，测试 修改detect_dual.py中的参数 --weights，改成上面训练得到的best.pt对应的路径 --source，需要测试的数据图片存放的位置，代码中的test_imgs --conf-thres，置信度阈值，自定义修改 --iou-thres，iou阈值，自定义修改 其他默认即可 pycharm中运行detect_dual.py 在runs/detect文件夹下存放检测结果图片或者视频 【特别说明】 *项目内容完全原创，请勿对项目进行外传，或者进行违法等商业行为！ 【备注】 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！有问题请及时沟通交流。 2、适用人群：计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。

立即下载
zip文件
基于yolov3的行人目标检测算法在图像和视频中识别检测.zip

资源包含文件：设计报告word+项目源码 本项目设计并实现了基于 yolov3 的行人目标检测算法，并将该目标检测算法应用在图像和视频的识别检测之中。 实现的主要功能有： 对静态图像 (jpg、png) 中的行人进行识别，并框选出行人目标所在位置 对视频文件中的行人进行逐帧检测，并生成标记出行人位置的视频文件 对流媒体（rtsp、rtmp 协议）进行处理和分析，实时标记行人位置，可用于对监控视频流的处理 详细介绍参考：https://blog.csdn.net/sheziqiong/article/details/125458736

立即下载
zip文件
基于yolov8实现人脸检测的python源码+运行说明.zip

基于yolov8实现人脸检测的python源码+运行说明.zip基于yolov8实现人脸检测的python源码+运行说明.zip基于yolov8实现人脸检测的python源码+运行说明.zip基于yolov8实现人脸检测的python源码+运行说明.zip基于yolov8实现人脸检测的python源码+运行说明.zip基于yolov8实现人脸检测的python源码+运行说明.zip基于yolov8实现人脸检测的python源码+运行说明.zip基于yolov8实现人脸检测的python源码+运行说明.zip基于yolov8实现人脸检测的python源码+运行说明.zip基于yolov8实现人脸检测的python源码+运行说明.zip

立即下载
docx文件
用python实现YOLOv5(PyTorch)行人和车辆的目标检测 系列代码范例 含说明.docx

用python实现YOLOv5(PyTorch)行人和车辆的目标检测 系列代码范例 含说明.docx

立即下载
zip文件
智慧交通-基于计算机视觉的交通信号违规检测系统-基于YOLOv3+Tkinter实现-优质项目实战.zip

智慧交通_基于计算机视觉的交通信号违规检测系统_基于YOLOv3+Tkinter实现_优质项目实战

立即下载
zip文件
Python行人检测跟踪计数示例代码 基于yolov5和deepsort

# Python行人检测跟踪计数示例代码 基于yolov5和deepsort 本代码通过yolov5进行行人检测，并使用deepsort对帧之间的检测结果进行跟踪，从而实现行人计数功能。已包含训练好的行人检测yolov5权重和示例视频，可以直接运行。 ## 安装依赖 ```python pip install -r requirements.txt ``` ## 使用方法 运行main.py即可读取test.mp4视频进行检测，也可以用以下命令替换视频 ```python python main.py --input="你的视频路径" ``` 检测过程实时显示，结果输出在output文件夹中

立即下载
zip文件
YOLOV8行人检测+数据集+pyqt界面

1、YOLOV8行人检测，内含各种训练曲线图，在几千张街道和交通场景的行人数据集中训练得到的权重，并附有数据集，使用lableimg软件标注软件标注好的行人数据，图片格式为jpg，类别名为person; 可以直接用于YOLO系列的行人检测，map达90%多 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，代码是python的

立即下载
zip文件
YOLOV7行人检测+训练好的行人检测权重+4000数据集

1、YOLOV7行人检测，内含各种训练曲线图，在几千张街道和交通场景的行人数据集中训练得到的权重，并附有数据集，使用lableimg软件标注软件标注好的行人数据，图片格式为jpg，标签有两种，分别为xml格式和txt格式，分别保存在两个文件夹中，类别名为person; 可以直接用于YOLO系列的行人检测，map达90%多 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，代码是python的

立即下载
zip文件
人工智能-项目实践-图像识别-利用YOLOv3结合行人重识别模型，实现行人的检测识别，查找特定行人

利用YOLOv3结合行人重识别模型，实现行人的检测识别，查找特定行人

立即下载
zip文件
移动跟踪-基于YOLOv10+DeepSort实现视频中移动目标跟踪算法-附项目源码+流程教程-优质项目实战.zip

移动跟踪_基于YOLOv10+DeepSort实现视频中移动目标跟踪算法_附项目源码+流程教程_优质项目实战

立即下载
zip文件
YOLOv5行人跌倒检测+训练好的模型+pyqt界面+数据集

1、yolov5行人摔倒检测，包含yolov5s和yolov5m两种训练好的行人摔倒检测权重，以及PR曲线，loss曲线等等，在一千多张行人摔倒检测数据集中训练得到的权重，有pyqt界面，目标类别为fall 共1个类别，并附1000多张行人摔倒检测数据集，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、调用摄像头 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

立即下载
zip文件
yolov10车辆行人检测，包含训练好的车辆行人检测权重

1、yolov10车辆行人检测，包含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

立即下载
热门资源标签
上传资源赚钱
Global site tag (gtag.js) - Google Analytics