1.实现了yolov5-tensorrt推理优化加速，帧率可达90FPS 2.部署在clion中，方便修改和调试 3.运行平台是ubuntu16.04 4.此代码仅为demo，各项效果未达最优，后续会逐步优化

YOLOv5口罩检测项目源码

yolov5 + deepsort实现了行人计数功能， 统计摄像头内出现过的总人数，以及对穿越自定义黄线行人计数效果如下 运行 python person_count.py 详细见本人博客：

https://github.com/ultralytics/yolov5

目标跟踪，使用yolov5做检测器

包含yolov5l.pt、yolov5l6.pt、yolov5m.pt、yolov5m6.pt、yolov5s.pt、yolov5s6.pt、yolov5x.pt、yolov5x6.pt

yolo系列的权重，包括v3\v4\v5；deepsort的权重

Yolov5：你只看一次 v5 学习资源和收藏 这个存储库是 Yolov5 的集合。 这有助于学习者或研究人员在一处找到所有 yolo 代码。 :glowing_star: :glowing_star: :glowing_star: :glowing_star: :glowing_star: Yolov5 系列 :glowing_star: :glowing_star: :glowing_star: :glowing_star: :glowing_star: 粗体文字内含项目 约洛夫5 ： （感谢Roboflow.com ） 序号 名称 Github 1 官方 Yolov5 (7.6 k :star: ） 2 使用YOLO v5和深度排序的实时多人跟踪器（362 :star: ） 3 约洛夫（Yolov5）火炬（57 :star: ) | 4 Yolov5 Tensorflow(125 :star: ） 5 Yolov5 框架 (326 :star: ） 6 Yolov5 的烟雾检测(152 :star: ） 7 Yolo

yolov5权重文件下载

原版仓库： 修改版 yolov5 使用方法 环境要求：python version >= 3.6 模型训练：python3 train.py 模型导出：python3 models/export.py --weights "xxx.pt" 转换rknn：python3 onnx_to_rknn.py 模型推理：python3 rknn_detect_yolov5.py 注意事项：如果训练尺寸不是640那么，anchors会自动聚类重新生成，生成的结果在训练时打印在控制台，或者通过动态查看torch模型类属性获取，如果anchors不对应那么结果就会出现问题。 建议：在训练时如果size不是640，那么可以先通过聚类得到anchors并将新的anchors写入到模型配置文件中，然后再训练，防止动态获取的anchors在rknn上预测不准的问题。训练参数别忘记加上 --noautoanchor