基于yolov5的红绿灯识别模型，可应用于嵌入式大赛。包括程序和数据集。

仅供大家学习下载，方便大家快速获取

从零训练yolov5在COCO数据集上的模型和结果

基于andriod开发的yolov5的红绿灯识别模型APP源代码，可应用于嵌入式大赛。包括程序和数据集。

基于YOLOV5的车牌定位和识别源码，识别精度高达92%

YoloVx（yolov5 / yolov4 / yolov3 / yolo_tiny） 张量流 安装NVIDIA驱动程序 安装CUDA10.1和cudnn7.5 安装Anaconda3，下载 安装tensorflow，例如“ sudo pip install tensorflow> = 1.15或tensorflow> 2.0”等。 介绍 受启发的YOLOv5的tensorflow实现。 受启发的YOLOv4的tensorflow实现。 来自框架代码。 骨干：Darknet53； CSPDarknet53 ，米什 ； MobileNetV2; MobileNetV3（大小） 颈部：SPP ，PAN ； 头：YOLOv5 / YOLOv4（Mish），YOLOv3（Leaky_ReLU） ； 损失：DIOU CIOU ，Focal_Loss ； 其他：Label

资源中包含的图片以及资源属于Yolov5格式，需要转成其他格式的可以下载后去Roboflow上转，同时还能进一步标注，图片中包括六大类，其中车辆分为五类，再加上车牌作为一类，所以可以直接在Yolov5模型上训练出既能检测车辆也能检测车牌的效果，不再需要分别训练两个模型，在Yolov5上训练50个epoch后，达到了0.89的精度。

首先pip install -r rerequirements.txt 搭建好yolov5的环境 搭建好yolov5的环境后直机运行 python detect_and_stereo_video_003.py

一个深度学习yolo框架的目标检测app，可以直接在手机上安装，精度还不错，无卡顿，直接安装选择照片检测即可

torch-1.8.0+torchvision-0.9.0