project(yolov5)
set(OpenCV_DIR "D:\\yolov5_tensorrt\\yolov5_tensorrt\\opencv\\build") #2
set(OpenCV_INCLUDE_DIRS ${OpenCV_DIR}/include) #3
set(OpenCV_LIB_DIRS ${OpenCV_DIR}/x64/vc15/lib) #4
set(OpenCV_Debug_LIBS "opencv_world343d.lib") #5
set(OpenCV_Release_LIBS "opencv_world343.lib") #6
set(TRT_DIR "D:\\yolov5_tensorrt\\yolov5_tensorrt\\TensorRT-7.0.0.11.Windows10.x86_64.cuda-10.2.cudnn7.6\\TensorRT-7.0.0.11") #3
set(TRT_INCLUDE_DIRS ${TRT_DIR}/include) #8
set(TRT_LIB_DIRS ${TRT_DIR}/lib) #9
#
2022-09-29 21:05:14
3KB
1
包括：CUDA版本说明，标注样例说明与标注准则；训练流程说明；测试流程说明；训练与测试均有需要修改的地方的代码截图
2022-09-20 20:06:14
427KB
1
YOLOV4出现之后不久，YOLOv5横空出世。YOLOv5在YOLOv4算法的基础上做了进一步的改进，检测性能得到进一步的提升。虽然YOLOv5算法并没有与YOLOv4算法进行性能比较与分析，但是YOLOv5在COCO数据集上面的测试效果还是挺不错的。大家对YOLOv5算法的创新性半信半疑，有的人对其持肯定态度，有的人对其持否定态度。在我看来，YOLOv5检测算法中还是存在很多可以学习的地方，虽然这些改进思路看来比较简单或者创新点不足，但是它们确定可以提升检测算法的性能。其实工业界往往更喜欢使用这些方法，而不是利用一个超级复杂的算法来获得较高的检测精度。本文将对YOLOv5检测算法中提出的改进思路进行详细的解说，大家可以尝试者将这些改进思路应用到其它的目标检测算法中。
————————————————
版权声明：本文为CSDN博主「技术挖掘者」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/WZZ18191171661/article/details/113789486
2022-09-19 19:07:40
13.04MB
1
《基于YOLOv5的手势识别系统(含手势识别数据集+训练代码)》：https://panjinquan.blog.csdn.net/article/details/126750433 ，
手势识别（HGR）作为人机交互的一部分，在汽车领域、家庭自动化系统、各种视频/流媒体平台等领域具有广泛的实际应用。本篇博客，将基于YOLOv5搭建一个手势识别目标检测系统，支持one,two,ok等18种常见的通用手势动作识别，目前基于多目标检测的手势识别方法mAP_0.5=0.99569，mAP_0.5:0.95=0.87605，基本满足业务的性能需求。手势识别 动作识别 手势动作识别 手势识别数据集 yolov5
2022-09-16 21:06:03
159B
1