介绍博客：https://yuan425.blog.csdn.net/article/details/124563016 演示视频：https://www.bilibili.com/video/BV1HB4y1q7QP?vd_source=6ed4c579f90a4760d784c8d82371fc01 本小组开发了一款基于深度学习、计算机视觉的，提供了一套智能的教室控制供电改良方案，以期在一定程度上解决本校教室用电铺张浪费的现象。本文主要介绍其整体架构及具体页面显示部分的相关内容。 本系统具备以下基本特性： ① 获取指定视频流数据【包括文件流与实时视频流】； ② 对画面内人数进行实时计算与统计； ③ 对人数信息与统计数据进行可视化计算。

适用于yolov5 6.0版本的 拥挤人群识别跟踪权重

机器学习课程设计—基于yolov5的海棠花花朵检测识别项目源码+数据集+实验报告。 <2>打标签：用工具labelImg-master进行打标签： 1）在路径栏输入cmd，进入控制台 2）以此执行以下命令： pip install PyQt5 pyrcc5 -o libs/resources.py resources.qrc 3）启动打标签软件：执行：python labelImg.py 将这个图标改为yolov5，按住W再拖动鼠标 进入yolov5根目录打开cmd: 制作好数据集后，接下来就是训练，训练代码如下： # Train YOLOv5s on COCO128 for 3 epochs $ python train.py --img 640 --batch 16 --epochs 3 --data flowers.yaml --weights yolov5s.pt 以下是训练完毕的效果，红框中为提示内容在文件夹哪个位置，是我们需要找到的文件夹：

1、yolov5汽车轮胎检测，包含训练好的汽车轮胎识别权重，以及PR曲线，loss曲线等等，在汽车轮胎检测据集中训练得到的权重，类别名为tire，标签格式为txt和xml两种，分别保存在两个文件夹中 2、有pyqt界面，可检测图片、视频和调用摄像头 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

1、yolov5鲜花检测，包含训练好的鲜花识别权重，以及PR曲线，loss曲线等等，在鲜花检测数据集中训练得到的权重，类别为桃花、梨花和玫瑰3类，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

1、yolov5鲜花检测，包含训练好的鲜花识别权重，以及PR曲线，loss曲线等等，在鲜花检测数据集中训练得到的权重，类别为桃花、梨花和玫瑰3类，标签格式为txt和xml两种，分别保存在两个文件夹中 2、带pyqt界面，可检测图片、视频以及调用摄像头 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

内容概要：python脚本划分训练集测试集。可以把coco、voc格式的数据转换成yolo系列数据。经过大量实践验证无bug 源代码：python脚本 适合人群：学生、具备一定编程基础，工作1-3年的研发人员、想入门人工智能的爱好者、科研人员 能学到什么：可以快速出效果。节省你的时间 备注：如遇问题，随时联系我。

1、yolov5汽车轮胎检测，包含训练好的汽车轮胎识别权重，以及PR曲线，loss曲线等等，在汽车轮胎检测据集中训练得到的权重，类别名为tire，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

内容概要：yolov5火焰识别模型完整项目，采用C/S结构。项目分为前端代码，用vue编写；后端代码，用python编写，做成api接口。灵活性大，与模型解耦合，后续可以放自己训练好的模型，不再修改代码或者少量修改代码。 源代码：yolov5模型部署到web端，文档齐全，包含如何安装环境，如何运行项目，如何使用。 适合人群：学生、具备一定编程基础，工作1-3年的研发人员、想入门人工智能的爱好者、科研人员 能学到什么：可以快速出效果。 阅读建议：详情请查看文章介绍:https://blog.csdn.net/qq122716072/article/details/125503254

1、yolov5交通指示牌识别，包含训练好的交通标志识别权重，以及PR曲线，loss曲线等等，在5000多交通标志检测据集中训练得到的权重，将交通指示牌(不含交通灯)分为警告标志、禁令标志、指示标志和指路标志一共4类，对应英文类别名为warn_sign、ban_sign、guide_sign、wayfinding_sign，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