踟蹰横渡口,彳亍上滩舟。

代码下载地址：下载地址鼠标功能手势WindowsmacOS移动右手食指朝上✅✅单击右手食指与拇指捏合✅✅双击单击两次✅❌右击右手食指与中指捏合✅✅向上滑右手五指朝上✅✅向下滑右手拇指弯曲，其余四指朝上✅✅拖拽右手中指、无名指、小指朝上✅✅虚拟鼠标一、功能：用手势控制鼠标，鼠标功能对应手势如下：鼠标功能手势WindowsmacOS移动右手食指朝上✅✅单击右.

人脸识别：检查谁在看头部姿态估计：检查是否在看距离估计：检查是否离电视太近代码下载地址：下载地址AI分析看电视行为一、功能：人脸识别：检查谁在看头部姿态估计：检查是否在看距离估计：检查是否离电视太近二、硬件：Windows10或11（无需GPU）或MacOS 都测试可行普通RBG USB摄像头三、软件：python 3.7.10pip安装一下依赖包dlibopencv-contrib-python（可能需要先卸载opencv-python：pip unins..

代码下载地址：下载地址一、硬件：Windows10或11（无需GPU）或MacOS 都测试可行普通RBG USB摄像头二、软件：Python：3.7opencvDlib二、用法：使用python demo_full.py --{参数名}={参数值} -h, --help show this help message and exit --mode MODE 运行模式：reg,recog 对应：注册人脸、识别人脸 --id ID.

代码下载地址：下载地址一、硬件：Windows10或11（无需GPU，有最好）或MacOS 都测试可行二、软件：Python==3.8TensorFlowimgaugopencvpixellib二、用法：optional arguments: -h, --help show this help message and exit --video VIDEO 要处理的视频 --mode MODE 运行模式：mask,compound 对应：生成蒙版图片、.

训练、测试、部署代码下载地址：下载地址一、硬件：PC端运行：Windows10或11（无需GPU，有最好）或MacOS 都测试可行树莓派运行：树莓派 4B model B 8G 版USB RGB 摄像头二、软件：Python==3.8电脑需要：TensorFlow，树莓派需要：TensorFlow liteopencvpixellib三、用法：2.1、电脑运行运行下列代码python demo.py2.2、树莓派运行进入rasp_lite文件夹；运行下列代码

基本功能：通过距离分类人群的高危险和低危险距离。# Social Distancing based on YOLOv5.环境要求：Cythonnumpy==1.17opencv-pythontorch>=1.5matplotlibpillowtensorboardPyYAML>=5.3torchvisionscipytqdmgit+https://github.com/cocodataset/cocoapi.git#subdirectory=PythonAP.

参数数量模型体积Flops前向推断耗时（2070 TI）mAPBaseline (416)61.5M246.4MB32.8B15.0 ms0.7692Prune (416)10.9M43.6MB9.6B7.7 ms0.7722Finetune (416)同上同上同上同上0.7750用 YOLOv3 模型在一个开源的人手检测数据集上做人手检测，并在此基础上做模型剪枝。对于该数据集，对 YOLOv3 进行 channel prunin...

YOLO-v5训练自己的数据+TensorRT推理部署（2）代码下载地址：下载地址YOLO v5转TensorRT模型并调用0.pt模型转wts模型python3 gen_wts.py# 注意修改代码中模型保存和模型加载的路径1.修改部分文件0.修改CMakeLists.txtcmake_minimum_required(VERSION 2.6)project(yolov5)add_definitions(-std=c++11)option(CUDA_USE_STATIC_CUD

YOLO-v5训练自己的数据+TensorRT推理部署（1）代码下载地址：下载地址YOLO v5在医疗领域中消化内镜目标检测的应用YOLO v5训练自己数据集详细教程🐛 🐛 现在YOLOv5 已经更新到6.0版本了，但是其训练方式同本Repo是一致的，只需要按照对应版本安装对应Python环境即可，其数据集的构建，配置文件的修改，训练方式等完全与本Repo一致！🐛 🐛 我们提供了YOLOv5 TensorRT调用和INT8量化的C++和Python代码（其TensorRT加速方式不同于本Repo提

代码下载地址：下载地址Requirementspip install -r requirements.txtPruning for YOLOsModelmAPmAP@50Parameters(M)GFLOPsFPS@CPUYOLOv5s18.4347.0515.9YOLOv5n1326.21.784.2YOLOv5s-EagleEye@0.614.327.94.599.61、Prune Strategy（1）基于YO

代码下载地址：下载地址支持的backbone为Ghostnet、Shufflenetv2、Mobilenetv3Small、EagleEye、EfficientNetLite-0、PP-LCNet-1x、SwinTrans-YOLOv5Requirementspip install -r requirements.txtMulti-Backbone Substitution for YOLOs1、Base ModelTrain on Visdrone DataSet (Inp

基于YOLO的目标检测界面化部署实现（支持yolov1-yolov5、yolop、yolox）代码下载地址：下载地址操作系统：Win10、Win7、Ubuntu16.04（其他操作系统没有测试过）Python环境：python3.7Cuda环境：cuda10.1（也可以不用cuda，使用cpu预测）1.下载源码：2.解压工作目录，进入到根目录3.升级pippython -m pip install --upgrade pip4.安装依赖项pip install -r requireme

基于深度学习的车牌检测与识别系统实现（课程设计）代码+数据集下载地址：下载地址用python3+opencv3做的中国车牌识别，包括算法和客户端界面，只有2个文件，surface.py是界面代码，predict.py是算法代码，界面不是重点所以用tkinter写得很简单。使用方法：版本：python3.4.4，opencv3.4和numpy1.14和PIL5下载源码，并安装python、numpy、opencv的python版、PIL，运行surface.py即可算法实现：算法思想来自于网

基于YOLO的车辆多维特征识别系统（车色，车品牌，车标，车型）与PYQT实现（课程设计）代码下载地址：下载地址DEMOget started：PyQt5, 3.3以上的cv2 ，hyperlpr暂时不提供车型识别与颜色分类的模型下载 https://pjreddie.com/media/files/yolov3.weights ，并保存到yolo 目录下INTRO模型采用opencv DNN模块读取，所以确认你安装了含有DNN模块版本(3.3以上)的cv2车辆定位采用darknet

基于pytorch的yolo稀疏训练与模型剪枝数据集+代码下载地址：下载地址参数数量模型体积Flops前向推断耗时（2070 TI）mAPBaseline (416)61.5M246.4MB32.8B15.0 ms0.7692Prune (416)10.9M43.6MB9.6B7.7 ms0.7722Finetune (416)同上同上同上同上0.7750加入稀疏正则项之后，mAP 反而更高了（在实验过程中发现，其实 mAP上

基于YOLO的密集人脸检测（课程设计）数据集+代码下载地址：下载地址实现的功能添加关键点检测分支，使用wing lossInstallationClone and install使用src/retinaface2yololandmark.py脚本将retinaface的标记文件转为yolo的格式使用,使用src/create_train.py 创建训练样本训练python train.py --net mbv3_large_75 --backbone_weights \./pr

基于YOLO的3D目标检测（激光雷达点云）课程设计代码+数据集下载地址：下载地址Complex-YOLOComplex-YOLO: Real-time 3D Object Detection on Point Clouds pytorchIntroductionThis is an unofficial implementation of Complex-YOLO: Real-time 3D Object Detection on Point Clouds in pytorch. A l

全景驾驶感知网络YOLOP部署与实现（交通目标检测、可驾驶区域分割、车道线检测）

基于YOLOv5的智慧工地安全帽检测数据集+代码下载地址：下载地址指标yolov5s 为基础训练，epoch = 50分类PRmAP0.5总体0.8840.8990.888人体0.8460.8930.877头0.8890.8830.871安全帽0.9170.9210.917对应的权重文件：百度云，提取码: b981yolov5m 为基础训练，epoch = 100分类PRmAP0.5总

基于深度学习yolov3的安全帽检测以及安全帽检测数据集数据集和代码下载地址：下载地址数据可视化：根目录下运行命令： show_yolo_anno.py (注意脚本内相关参数配置 )模型训练模型训练根目录下运行命令： python train.py (注意脚本内相关参数配置 )注意：加载训练的配置参数的关键代码段如下，cfg/transport.data为训练coco交通工具数据集的配置参数文件。if __name__ == '__main__': train(dat

基于深度学习的实时目标检测。包括Windows平台运行演示软件、模型网络和结构、模型推理和封装原始代码。主要采用yolov3进行32种常见的目标检测（模型可根据自己的需要进行定制替换，软件和软件源代码可以重复使用）下载地址：https://download.youkuaiyun.com/download/cuihao1995/15909861...

基于yolov5和deepsort的行人车辆的检测、跟踪和计数- 实现了 出/入 分别计数，检测方向是南/北 方向检测。- 检测类别：行人、自行车、小汽车、摩托车、公交车、卡车。代码、模型和demo视频下载地址：环境配置：certifichardetcyclerdataclasseseasydictidnaimutilkiwisolvermatplotlibnumpyopencv-pythonPillowpkg-resourcespyparsingp..

基于YOLO的手部检测和计数实现（课程设计）支持YOLOV3和YOLOV3-TINY训练测试代码、数据集、测试视频下载地址：下载地址环境要求：* Python 3.7 * PyTorch >= 1.5.1 **数据集：**该项目数据集采用 TV-Hand 和 COCO-Hand (COCO-Hand-Big 部分) 进行制作。TV-Hand 和 COCO-Hand数据集官网地址 http://vision.cs.stonybrook.edu/~supreeth/感谢数据集贡献者。

基于YOLO的人脸检测和人脸计数（课程设计）环境要求：* Python 3.7 * PyTorch >= 1.5.1 数据集：该项目采用的是开源数据集WIDERFACE，地址为链接：https://pan.baidu.com/s/1q18Bx32_yI7He-GMDMR_tA ，提取链接见下载地址。预训练模型：预训练模型下载地址：链接：https://pan.baidu.com/s/1Z3h6_7ufsPdNPdizAQcgTQ ，提取链接见下载地址。训练测试代码...

基于YOLOv5的智慧工地安全帽检测代码下载地址：下载地址Smart_Construction该项目是使用 YOLOv5 v2.x 的程序来训练在智能工地安全领域中头盔目标检测的应用指标yolov5s 为基础训练，epoch = 50分类PRmAP0.5总体0.8840.8990.888人体0.8460.8930.877头0.8890.8830.871安全帽0.9170.9210.917对应的权重文件：百度云，提取码: b