YOLOv5三轮车识别

最新推荐文章于 2024-04-27 23:00:49 发布
最新推荐文章于 2024-04-27 23:00:49 发布
阅读量3.2k 收藏 2
点赞数
分类专栏： 笔记
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_18522785/article/details/122512765
版权

使用自建数据集训练的模型
效果还是很不错的
主要使用的技术
开发软件 pycharm anaconda
开发语言 Python
开发框架 pytorch
主要开源库:OpenCV numpy 等
主要技术:yolov5
gpu加速:cuda cudnn，兼容CPU模式
在这里插入图片描述
在这里插入图片描述

三轮车图像标注数据集-654
04-24
资源总共包含654张三轮车图像，标注仔细，质量是经过严格把控的，已经标注成voc和yolo两种格式，开箱即用
三轮车数据集559张VOC+YOLO格式
2402_83140078的博客
04-27 1006
今天，介绍三轮车数据集559张VOC+YOLO格式 数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：559 标注数量(xml文件个数)：559 标注数量(txt文件个数)：559 标注类别数：1 标注类别名称:["tricycle"] 每个类别标注的框数： tricycle 框数 = 659 总框数：659
俯视场景下三轮车目标检测数据集 tricycle_Visdrone2019.rar
05-02
1、俯视场景下三轮车目标检测数据集，用于三轮车检测，标签格式为txt和xml两种。可以用于YOLO三轮车检测 2、一个类别，类别名为 tricycle 3、数据参考和检测结果展示：https://blog.youkuaiyun.com/zhiqingAI/article/details/124230743 4、数量：2270 5、从Visdrones数据集总提取得到
YOLOv5电车识别 电瓶车识别
weixin_51330616的博客
08-25 1854
主要使用的技术 开发软件 pycharm anaconda 开发语言 Python 开发框架 pytorch 主要开源库:OpenCV numpy 等 主要技术:yolov5 gpu加速:cuda cudnn，兼容CPU模式
yolov5+非机动车违规停放+已标注数据集+机器视觉识别+电动车E_bicycle7_images_xmls
05-30
文件内包含的是已标注的非机动车数据集中的电动车E_bicycle7的图片部分加标注数据部分 限于上传文件大小，此资源内只包含电动车数据的E_bicycle7的图片部分加标注数据部分，有864张，为雅迪电动车图片，自行车数据总共有十个分类，此为第七类。 所有的资源总共包括 自行车图片8000张极其标注数据，已分类，分类包含了山地自行车，公路自行车，越野自行车，通勤自行车，共享单车等。每种自行车的张数大概在800-1000张之间，极个别重复。 电动车图片8000张极其标注数据，已分类，分类包含了绿源电动车，台铃电动车，小刀电动车，雅迪电动车，共享电动车等。每种电动车的张数大概在800-1000张之间，极个别重复。 三轮车图片6000张极其标注数据，已分类，分类包含了淮海三轮车，闪电客三轮车，金彭三轮车，宗申三轮车，五星三轮车等。每种三轮车的张数大概在500-600张之间，极个别重复。 以上资源均为已标注，用于yolov5+已标注非机动车数据集+非机动车违规停放+机器视觉识别
Yolov5机器视觉识别三轮车数据集
资源摘要信息:"yolov5+非机动车违规停放+已标注数据集+机器视觉识别+三轮车tricycle3_images_xmls" 1. yolov5介绍： yolov5（You Only Look Once version 5）是一种流行的单阶段目标检测算法，它在机器视觉领域中被...
yolov5多类别车辆检测权重+车辆数据集
06-22
yolov5多类别车辆检测权重，包含1000张yolo算法6类别车辆检测数据集，包括自行车，汽车，卡车，三轮车，面包车和公交车，划分好 train，val, test，并附有data.yaml文件，yolov5、yolov7、yolov8，yolov9等算法可以...
yolov5+非机动车违规停放+未标注数据集+机器视觉识别+三轮车第一部分
04-23
文件内包含的是未标注的非机动车数据集中的三轮车第一部分 限于上传文件大小，此...以上资源均为未标注，用于yolov5+未标注非机动车数据集+非机动车违规停放+机器视觉识别 若要求已标注数据集资料，博主稍后整理上传
yolov5+非机动车违规停放+已标注数据集+机器视觉识别+三轮车tricycle3_images_xmls
05-30
文件内包含的是已标注的非机动车数据集中的三轮车tricycle3的图片部分加标注数据部分 限于上传文件大小，此资源内只包含三轮车...以上资源均为已标注，用于yolov5+已标注非机动车数据集+非机动车违规停放+机器视觉识别
yolov5+非机动车违规停放+未标注数据集+机器视觉识别+三轮车第二部分
04-23
文件内包含的是未标注的非机动车数据集中的三轮车第二部分 限于上传文件大小，此...以上资源均为未标注，用于yolov5+未标注非机动车数据集+非机动车违规停放+机器视觉识别 若要求已标注数据集资料，博主稍后整理上传
不同场景三轮车数据，适合深度学习
02-12
不同场景三轮车数据，适合深度学习
带顶棚电单车和电动三轮车识别检测数据集7200张带voc格式xml标签+yolo格式转换脚本(监控视角，已划分).zip
最新发布
09-25
带顶棚电单车和电动三轮车识别检测数据集7200张带voc格式xml标签+yolo格式转换脚本(监控视角，已划分训练集、验证集、测试集).zip 【数据集介绍】 1、该数据集适用于道路电动车违规检测项目，当然也可以用于其他落地科研项目； 2、数据集含有图片7200张+，包含了对应的yolo格式标签，标注精准无误； 3、数据集共2类别，["带顶棚电单车","电动三轮车"] 4、数据集适用于YOLO全系列算法，从YOLOv3到YOLOv10，无需任何转换操作，且已划分好训练集、验证集、测试集，可直接训练使用。 5、YOLOv9训练该数据集准确率达到95.2% 【备注】 请放心下载使用，可用于科研、课设、毕设、实际落地项目等，数据集质量好，拒绝垃圾数据！欢迎交流学习。
拖拉机数据集 目标检测数据集
01-07
拖拉机数据集 目标检测数据集 适合小白入手的目标检测数据集
voc数据集，不同车辆分类的数据集
09-25
voc数据集，不同车辆分类的数据集； voc数据集，不同车辆分类的数据集
车辆检测数据集AVOC+YOLO格式5423张3类别.zip
12-29
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：5423 标注数量(xml文件个数)：5423 标注数量(txt文件个数)：5423 标注类别数：3 标注类别名称:["car","truck","bus"] 每个类别标注的框数： bus 框数 = 1986 car 框数 = 14565 truck 框数 = 3299 总框数：19850 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明：暂无 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注
YOLO系列目标检测数据集大全
热门推荐
小秋的博客
04-17 14万+
YOLO系列目标检测数据集大全目标检测数据集无人机检测数据集飞鸟检测数据集人脸和口罩检测数据集安全帽检测数据集火焰检测数据集火焰和烟雾检测数据集行人检测数据集行人车辆检测数据集车辆检测数据集待更新…… 目标检测数据集 无人机检测数据集 数据集下载： 飞鸟检测数据集 人脸和口罩检测数据集 安全帽检测数据集 火焰检测数据集 火焰和烟雾检测数据集 行人检测数据集 行人车辆检测数据集 车辆检测数据集 待更新…… .....................
电磁三轮车的丢线模式控制算法
2301_80973939的博客
04-27 692
我看了不少csdn上的文章，佬佬们的方法琳琅满目，但丢线的程序大部分是丢线后就使车停下。所以我想，有没有可能设计一种算法，使车丢线后能够打角回到赛道。我们主要设定一个值为last_he_cha，如果未丢线，则更新其值，如果丢线，此值不再更新，这样就能保证可以通过储存的值来得到出界时的状态了，嘿嘿，自我感觉良好。我是计科大一新生，正在参与19届智能车大赛，博客中可能存在许多的错误，希望佬佬们多多包涵，多多指正，嘤嘤嘤。如果丢线，则判断保存的和差比值，如果大于0，说明车左偏，此时右转。
自动驾驶深度多模态目标检测和语义分割:数据集、方法和挑战
weixin_43823175的博客
01-14 8139
自动驾驶深度多模态目标检测和语义分割:数据集、方法和挑战 原文地址：https://arxiv.org/pdf/1902.07830.pdf Deep Multi-Modal Object Detection and Semantic Segmentation for Autonomous Driving: Datasets, Methods, and Challenges 摘要 深度学习推动了自动驾驶感知技术的最新进展。为了实现鲁棒和准确的场景理解，自动驾驶汽车通常配备不同的传感器(如相机、激光雷达、雷达
yolov5训练高精度非机动车驾驶检测
小菜的博客
03-15 5581
使用yolov5训练非机动车驾驶状态的模型，检测内容为驾驶非机动车的人和车一体
评论 6
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值