其中包含train4104张，val 375张，test 371张，以及相应的text文本标注，包括类别，和烟的坐标。内容为抽烟图片，格式对标yolov5，改一下路径和类别即可直接执行训练。

本项目采用YOLOv5实现垃圾分类目标检测。利用大量已标注目标检测数据集进行训练，对居民生活垃圾图片进行检测，找出图片中属于哪个类别的垃圾，并指示出在图片中的位置。 本工程YOLOv5使用PyTorch版的ultralytics/yolov5，在Windows系统上进行垃圾分类目标检测的项目演示。具体项目过程包括：数据集及格式转换、探索性数据分析（EDA）、安装软件环境、安装YOLOv5、修改YOLOv5代码(为支持中文标签）、训练集和测试集自动划分、修改配置文件、准备Weights&Biases训练可视化工具、训练网络模型、测试训练出的网络模型和性能统计。

1、YOLOV5吸烟行为检测，两种训练好的模型，内含各种训练曲线图，并包含数据集， 5000多张使用lableimg软件标注软件标注好的吸烟数据，图片格式为jpg，标签有两种，分别为xml格式和txt格式，分别保存在两个文件夹中，类别名为smoke; 可以直接用于YOLO系列的吸烟行， 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，代码是python的

基于YOLOV5的人物专注性检测系统源码。人物专注性检测，分为两个检测部分，疲劳检测和分心行为检测。 疲劳检测部分，进行人脸关键点检测，然后通过计算眼睛和嘴巴的开合程度来判断是存在否闭眼或者打哈欠，并使用模型计算疲劳程度。 分心行为检测部分，检测是否存在玩手机、抽烟、喝水这三种行为。直接运行main.py，即可使用本程序。各函数的信息，均在代码中写好了注释。基于YOLOV5的人物专注性检测系统源码。人物专注性检测，分为两个检测部分，疲劳检测和分心行为检测。 疲劳检测部分，进行人脸关键点检测，然后通过计算眼睛和嘴巴的开合程度来判断是存在否闭眼或者打哈欠，并使用模型计算疲劳程度。 分心行为检测部分，检测是否存在玩手机、抽烟、喝水这三种行为。直接运行main.py，即可使用本程序。各函数的信息，均在代码中写好了注释。基于YOLOV5的人物专注性检测系统源码。人物专注性检测，分为两个检测部分，疲劳检测和分心行为检测。 疲劳检测部分，进行人脸关键点检测，然后通过计算眼睛和嘴巴的开合程度来判断是存在否闭眼或者打哈欠，并使用模型计算疲劳程度。 分心行为检测部分，检测是否存在玩手机、抽烟、喝水这三种

基于YOLOv5的旋转目标检测系统源码+数据集+模型.基于YOLOv5的旋转目标检测系统源码+数据集+模型.基于YOLOv5的旋转目标检测系统源码+数据集+模型.基于YOLOv5的旋转目标检测系统源码+数据集+模型.基于YOLOv5的旋转目标检测系统源码+数据集+模型.基于YOLOv5的旋转目标检测系统源码+数据集+模型.基于YOLOv5的旋转目标检测系统源码+数据集+模型.基于YOLOv5的旋转目标检测系统源码+数据集+模型.基于YOLOv5的旋转目标检测系统源码+数据集+模型.基于YOLOv5的旋转目标检测系统源码+数据集+模型.基于YOLOv5的旋转目标检测系统源码+数据集+模型.基于YOLOv5的旋转目标检测系统源码+数据集+模型.基于YOLOv5的旋转目标检测系统源码+数据集+模型.

基于YOLOv5的行吊超高检测系统源码+数据集+训练好的模型。几个参数信息： --weights 加载的预训练的模型 --source 可选照片文件夹/rtmp视频流/本地摄像头等 --img-size 照片的大小 --device 运行的设备 cpu/0/1/… --view-img 是否要实时的展示 --save-txt 是否保存日志txt --nosave 是否保存检测后的结果图片/视频

基于yolov5的步态识别多目标跨镜头跟踪检测算法系统源码。 毕业设计题目：基于步态识别的多目标跨镜头跟踪算法研究 主算法：基于yoloV5-deepsort框架进行目标检测和跟踪+GaitSet算法 Introduction This repository contains a highly configurable two-stage-tracker that adjusts to different deployment scenarios. The detections generated by YOLOv5, a family of object detection architectures and models pretrained on the COCO dataset, are passed to a Deep Sort algorithm which tracks the objects. It can track any object that your Yolov5 model was trained to detect.

基于YOLOv5的移动物体检测分类系统源码，可根据不同的权重模型对不同的物体进行识别。 图形化界面基于PyQT5。整体分为三个主要的功能模块。 图片检测 图片检测功能分为单张图片检测和文件夹批量检测。 单张图片检测 选择图片后进行检测标注并直接展示结果。 文件夹检测 选择文件夹后对文件夹中的所有图片进行批量检测，检测结果将存放至tmp/cls文件夹下的对应类别中。一张图片中若包含多种类别，那么该图片将会被保存至多个类别文件夹。例如一张图片即包含了人和公交车，那么tmp/cls/人以及tmp/cls/公交车这两个分类文件夹中都可以找到这张图片 视频检测 视频检测支持本地视频检测及网络视频检测。 本地视频检测 本地视频检测只需要点击选择视频按钮，打开一个本地视频即可。 视频检测将实时检测视频的每一帧，并将其进行标注后实时展示。同图片文件夹检测，可以将每一帧的结果分类保存到类别文件夹中，由于涉及大量IO操作，创建子线程保存图片以保证流畅度。 网络视频检测 网络视频检测暂只支持视频源，视频网站上的视频需要先手动进行解析。 然后会自动将视频保存至tmp/video/中，进行检测。

基于yolov5和pyqt5搭建的矿用智能视频监控系统源码。自主开发完整界面，连接相机显示推理图片，包括视频质量检测、视频智能分析、越位报警、停车等功能。 基于yolov5和pyqt5搭建的矿用智能视频监控系统源码。自主开发完整界面，连接相机显示推理图片，包括视频质量检测、视频智能分析、越位报警、停车等功能基于yolov5和pyqt5搭建的矿用智能视频监控系统源码。自主开发完整界面，连接相机显示推理图片，包括视频质量检测、视频智能分析、越位报警、停车等功能 环境 Windows 10系统 opencv-python yolov5 requirement pyqt5 && pyqt5-tools

基于YOLOV5的非接触式智能体测系统源码。基于YOLOV5的非接触式智能体测系统源码。基于YOLOV5的非接触式智能体测系统源码。基于YOLOV5的非接触式智能体测系统源码。基于YOLOV5的非接触式智能体测系统源码。基于YOLOV5的非接触式智能体测系统源码。基于YOLOV5的非接触式智能体测系统源码。基于YOLOV5的非接触式智能体测系统源码。基于YOLOV5的非接触式智能体测系统源码。基于YOLOV5的非接触式智能体测系统源码。基于YOLOV5的非接触式智能体测系统源码。基于YOLOV5的非接触式智能体测系统源码。基于YOLOV5的非接触式智能体测系统源码。基于YOLOV5的非接触式智能体测系统源码。基于YOLOV5的非接触式智能体测系统源码。基于YOLOV5的非接触式智能体测系统源码。基于YOLOV5的非接触式智能体测系统源码。基于YOLOV5的非接触式智能体测系统源码。基于YOLOV5的非接触式智能体测系统源码。基于YOLOV5的非接触式智能体测系统源码。基于YOLOV5的非接触式智能体测系统源码。基于YOLOV5的非接触式智能体测系统源码。