yolov5垃圾分类数据集三千张（已标注）

1、自己收集整理的经过剔除的口罩数据集总共4692张，并按照8:2进行划分； 2、戴口罩和不戴口罩的正负样本都有； 3、TXT格式标注文件，可以直接拿过来进行训练； 4、自己训练精度达到91%,满足项目需求；

YOLOv5鸟类检测训练好的模型 ，在几千张鸟类数据集中训练得到的权重，模型精度达90%多，包含YOLOv5各种训练曲线。并附有数据集，数据集标签格式为txt和xml两种，类别名为bird

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，有pyqt界面 2、pyqt界面可以 检测图片、视频和调用摄像头，有相应的选择项 3、自动驾驶场景KITTI汽车检测数据集：https://download.csdn.net/download/zhiqingAI/85208797 4、并包含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训练好的猫狗检测模型，包含yolov5s和yolov5m两种训练好的猫狗识别权重，从一万多张猫狗检测数据集训练得到，有pyqt界面，目标类别为cat和dog两个类别 2、pyqt界面可以 检测图片、视频和调用摄像头，有相应的选择项 4、并包含1万多张标注好的猫狗检测数据集，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

本套代码的运行环境是python+pytorch Csdn上上传的代码都是完整的，大家找到对应的博客都是有效果图和运行讲解的，防止踩坑。大家也可以下载其他项目练手，丰富自己的简历也不错。 博客教程地址：https://blog.csdn.net/qq_34904125/article/details/124906163 需要查看其他代码的可看b站视频演示： https://space.bilibili.com/124080712?spm_id_from=333.1007.0.0 其他小项目完整代码： https://blog.csdn.net/qq_34904125?type=download 算法部分 本次是目标跟踪代码，用于检测行人， 代码运行 只要运行01ui_yolov5.py即可。会显示一个pyqt的界面，然后有两个按钮，第一个按钮用于上传要检测的本地视频。第二个按钮是用于目标跟踪视频中的行人并统计数量。

1、YOLOV5行人检测，内含各种训练曲线图，并包含数据集，使用lableimg软件标注软件标注好的行人数据，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person; 可以直接用于YOLO系列的行人检测 2、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 3、pyqt界面可以 检测图片、视频和调用摄像头，有相应的选择项 4、采用pytrch框架，代码是python的

yolov5 openvino 2021版本，win10系统vs2019，摄像头实时预览版本，亲测调试成功，特此给广大学友们分享

1、YOLOv5行人检测训练权重 ，附有各种训练曲线图 2、场景：街道，公路行人检测，一万多数据训练得到，准确率达90%以上， 3、classes: person 4、并包含3000张多行人数据，标签格式为VOC和YOLO两种 5、检测结果和数据集参考：https://blog.csdn.net/weixin_51154380/article/details/124480876

yolov5 openvino 2022版本，win10系统vs2019，摄像头实时预览版本，亲测调试成功，特此给广大学友们分享