这个项目使用热门的目标检测算法yolov5算法，实现了对于戴口罩和不戴口罩的人脸识别需求，项目运行之后展示一个由qt技术编写的主界面窗口，项目可以实现图片和视频的检测。图片检测需要上传图片，系统会自动识别出图片中的人是否佩戴口罩。视频检测中包括实时监测和文件检测，实时监测可以通过摄像头直接识别出未佩戴口罩的人。在机器学习技术中，要想使得所训练的模型具有较高的准确度，其中一个关键就是要有足够量的数据让它进行一轮又一轮的学习，不断提取特征，分析，学习。在这个项目中，数据集文件夹为yolo_mask，数据集文件夹下分两个文件夹 images和labels，这两个文件夹分别存储图片数据和图片标签数据文件，这两个文件夹都分别下分test,train,val文件夹，分别表示测试集，训练集，验证集和其标注文件。在这个项目中，我们选用了2000张图片数据，其中训练集，测试集，验证集按照6：2：2的比例分配数据。将这些图片数据分别存储在，然后使用图形图像注释工具LabelImg对这2000张图片数据进行标注，标注完成之后会得到一系列的txt文件，这里的txt文件就是目标检测的标注文件。

毕业设计深度学习基于步态识别检测的多目标跨镜头跟踪算法研究项目源码.zip毕业设计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 毕业设计深度学习基于步态识别检测的多目标跨镜头跟踪算法研究项目源码.zip毕业设计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算法毕业设计深度学习基于步态识别检测的多目标跨镜头跟踪算法研究项目源码.zip毕业设计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算法毕业设计深度学习基于步态识别检测的多目标跨镜头跟踪算法研究项目源码.zip毕业设计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算法毕业设计深度学习基于步态识别检测的多目标跨镜头跟踪算法研究项目源码.zip毕业设计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

包含 "yolov3.cfg"是模型的架构 "yolov3.weights"是预训练权重！ 不含TensorFlow和Pytorch，使用的OpenCV，非常方便，只有一个py文件，代码非常少，支持图片、视频、摄像头！非常好用！

目标检测 1.以YOLOv1、YOLOv2模型为展开 了解什么是单阶段模型 主干网络构造 损失函数构造 2.把模型发展优化以主干网络、Neck、Head展开来进行横向对比 3.把YOLO模型应用到汽车检测、烟雾识别等领域优点和局限性分析 4.加入哪些方法优化模型

yolov5网络剪枝代码

为了准确提取图像中目标特征，结合靶标的尺寸和特征信息提出了一种基于全局信息的方法。利用霍夫变换(HT)确定图像中包含靶标的目标区域；在目标区域中提取靶标上不同特征区域的中心；利用提取的中心拟合靶标在图像中所占区域的圆心和半径；完成图像上各区域与靶标上对应区域的匹配。实验证明该方法能够有效、准确的提取图像中靶标的特征，实验室内实验中靶标上特征区域中心提取精度为0.09 pixel，实验室外提取精度为0.12 pixel。在序列图像处理时,利用前一帧图像的结果可以有效降低计算量，提高提取精度。

社交距离检测；可以对人物出现的彼此距离进行测距，彼此间分配ID；毕业设计可参考

yolov5初始化配置+自定义数据集训练

极化SAR目标分解方法以及RCS后向散射特征提取知识应用

智慧银行大数据解决方案，通过大数据，对用户行为特征进行深度挖掘，结合营销内容，确定目标用户群，并通过大数据对营销产品、营销时机，在庞大的用户数据标签基础与货品分析基础上，结合用户的产品特征，设定不同的营销场景，进行货品的精准营销工作