基于yolov5的车牌检测，包含车牌角点检测.zip

YOLOv5 & Qt 手势车载中控音乐播放器,上位机资源下位机资源开源代码，含训练模型last.pt！ 该项目由于采用Qt架构，具有跨平台性，由C++编写，拥有良好的内存控制机制 核心：这当前车载中控大部分采用实体或虚拟按键实现操控，此类基于二维平面的人机交互方式存在许多不便，且语音识别的识别率堪忧。为解决中控台操纵困难的痛点，本作品基于YOLOv5神经网络训练和Qt开发框架，实现通过手势操控车载中控的音乐播放器，使用户摆脱功能按键束缚，无需发声进行语音控制，就能进行歌曲播放和切换控制，音量控制，歌词展示以及雨刷器的控制。 通过机器学习，上位机手势识别部分共可识别7种手势，并可进行离线识别。下位机音乐播放器部分除可手势控制的功能外，还具有其他拓展功能，程序整体内存占用小。

YOLOv5自诞生发展到现在的version6.1版本，一直被官方应用在工农商学各个行业中，但是每次出于数据制作的麻烦总是不可避免，本工具为个人亲手所写，是市面上第一个YOLOv5的数据集制作助手，它能在1分钟之内完成满足YOLOv5训练的数据集模式。除了笔者已开发的功能，还支持二次开发创作。 YOLOv5自诞生发展到现在的version6.1版本，一直被官方应用在工农商学各个行业中，但是每次出于数据制作的麻烦总是不可避免，本工具为个人亲手所写，是市面上第一个YOLOv5的数据集制作助手，它能在1分钟之内完成满足YOLOv5训练的数据集模式。除了笔者已开发的功能，还支持二次开发创作。 YOLOv5自诞生发展到现在的version6.1版本，一直被官方应用在工农商学各个行业中，但是每次出于数据制作的麻烦总是不可避免，本工具为个人亲手所写，是市面上第一个YOLOv5的数据集制作助手，它能在1分钟之内完成满足YOLOv5训练的数据集模式。除了笔者已开发的功能，还支持二次开发创作。

1、yolov5训练好的汽车检测模型，包含yolov5s和yolov5m两种训练好的汽车识别权重，从自动驾驶场景KITTI汽车检测数据集训练得到 2、自动驾驶场景KITTI汽车检测数据集：https://download.csdn.net/download/zhiqingAI/85208797 4、包含1000多张标注好的城市交通场景的数据集，标签格式为xml和txt两种，类别名为car，配置好环境后可以直接使用 5、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 6、采用pytrch框架，python代码

1、yolov5无人机视觉检测，包含训练好的无人机检测权重，以及PR曲线，loss曲线等等，在一万多张无人机检测数据集中训练得到的权重，有pyqt界面，目标类别为drone共1个类别 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

基于YOLOv5的智能人脸数据标注工具。基于YOLOv5的智能人脸数据标注工具，实现人脸数据标注自动化 可自定义人脸检测模型、可导出多种格式标签，包括PASCAL VOC XML、MS COCO JSON、YOLO TXT教程 webcam实时标注 # a键捕获视频帧，q键退出 python face_labeling.py 图片标注（包括批量图片标注） python face_labeling.py -m img # 默认测试图片目录data/imgs python face_labeling.py -m img -imd ./img_dir # 指定图片目录 注：本项目支持的图片输入格式：jpg | jpeg | png | bmp | tif | webp 视频标注（包括批量视频标注） python face_labeling.py -m video # 默认测试视频目录data/videos python face_labeling.py -m video -vd ./video_dir # 指定视频目录 注：本项目支持的视频输入格式：mp4 |

PCB板缺陷检测系统源代码，基于yolov5自己的数据集+基于python的检测和C++的部署检测。相关工作 （1）解压数据集，放在yolov5-6.0根目录下 （2）删除ImageSets文件夹下的内容，在/ImageSets文件夹下新建Main文件夹 （3）数据集分类，运行test.py（注意路径正确）。会在/ImageSets/Main文件夹下生成四个txt文件，trainval.txt、test.txt、train.txt、val.txt。 （4）在data文件夹下新建labels文件夹，然后在yolov5-6.0文件夹下新建my_labels.py文件，并运行（注意路径，注意数据集类别）。会在data文件夹下生成三个txt文件，train.txt、val.txt、test.txt。 （5）在models文件夹下新建文件my_pcb.yaml（注意修改类别数量nc） （6）在data文件夹下新建my_data.yaml（注意train和val路径、nc和数据类别名称names） （7）准备预训练文件yolov5s.pt，放在weights文件夹下。 （8）开始训练

yolov5小目标检测 不附带yolo代码 详细介绍参考博客https://blog.csdn.net/qq_43622870/article/details/124984295

基于yolov5和deepsort的智能交通监控系统，有详细注释和readme使用说明

yolov5行为检测，调试好的程序，可以使用摄像头+mp4视频流，不会的可以发私信给我