1.基于深度学习的非机动车头盔佩戴检测识别系统:YOLOv5与UI界面YOLOv5(You Only Look Once version 5)是目前广泛应用于目标检测的深度学习模型,因其高效的检测性能和快速的推理速度,成为解决这一问题的理想选择。结合YOLOv5和图形用户界面(UI)设计,本文将构建一个基于深度学习的非机动车头盔佩戴检测识别系统,为智能交通提供有效的解决方案。 https://blog.csdn.net/m0_52343631/article/details/144078194

2.基于改进YOLOv5的交通标志识别方法摘要:交通标志检测是自动驾驶领域重要的环节,针对当前交通标志的识别存在漏检、误检、模型参数多,以及常见且复杂的代表性真实环境情况,如雾天鲁棒性差的问题,提出一种改进YOLOv5的小目标交通标志识别算法.首先对数据集进行雾化操作以适应在雾天情况下的准确识别,使用更加轻量的部分卷积(partial convolution,PConv)构建PC3https://d.wanfangdata.com.cn/periodical/gdgc202406003

3.基于改进YOLOv5的昏暗小目标交通标志识别摘要:为了实时检测并识别路上的交通标志, 针对在不良光照情况影响下小型交通标志的识别精确度较低、误检、漏检严重的问题, 提出了一种基于改进YOLOv5的交通标志识别模型.首先在YOLOv5模型的浅层特征图层增加一次concat操作, 将浅层的特征信息结合中间特征图层作为一个检测头, 有利于小目标交通标志的识别效率. 其次将https://c-s-a.org.cn/html/2023/5/9056.html

4.YOLOv5实战中国交通标志识别共31课时计算机视觉课程在无人驾驶中,交通标志识别是一项重要的任务。YOLOv5是目前流行的强悍的目标检测技术。本项目以中国交通标志数据集TT100K为训练对象,采用YOLOv5目标检测方法实现实时交通标志识别。 本课程的YOLOv5使用PyTorch版的ultralytics/yolov5,分别在Windows和Ubuntu系统上做中国交通标志识别的项目演示。具体项目过程包括:安装软件环https://edu.51cto.com/course/28196.html

5.项目4(单目测距与测速+摔倒检测+目标检测+目标跟踪+姿态识别+简介:计算机视觉实战项目4(单目测距与测速+摔倒检测+目标检测+目标跟踪+姿态识别+车道线识别+车牌识别+无人机检测+A_路径规划+行人车辆计数+动物识别等)-1 基于YOLOv5的无人机视频检测与计数系统 摘要: 无人机技术的快速发展和广泛应用给社会带来了巨大的便利,但也带来了一系列的安全隐患。为了实现对无人机的有https://developer.aliyun.com/article/1446535

6.复杂环境下基于深度学习的交通标志牌识别算法研究复杂环境下基于深度学习的交通标志牌识别算法研究,交通标志识别,深度学习,图像预处理,YOLOv5模型,坐标注意力,随着深度学习算法被应用在越来越多的领域中,智能交通系统领域的研究工作也在不断发展与创新。交通标志牌是智能交通系统不可或缺的https://wap.cnki.net/lunwen-1023800446.html

7.交通标志识别:YOLOv5+streamlit+GTSRB交通标志识别 介绍 YOLOv5+streamlit+GTSRB 注意事项 此库中包含yolov5和streamlit,streamlit video使用时请将mp4文件放至data文件夹下,此外本库不包含YOLOv5训练模型权重,需自行下载 所需环境 YOLOv5 base --- matplotlib>=3.2.2 numpy>=1.18.5 opencv-python>=4.1.2https://gitee.com/chenjie0705/traffic-sign-recognition

8.基于改进的YOLOv5的学生行为识别方法.pdfG06V 10/764 (2022.01) G06V 10/774 (2022.01) G06V 10/80 (2022.01) G06V 10/82 (2022.01) 权利要求书3页 说明书6页 附图2页 (54)发明名称 基于改进的YOLOv5的学生行为识别方法 (57)摘要 本发明公开了一种基于改进的YOLOv5的学 生行为识别方法,该算法针对轻量化的小规模学 生课堂行为识别问题,https://m.book118.com/html/2023/0529/6024234022005135.shtm

9.基于CBAM和BiFPN改进YoloV5的渔船目标检测2022 基于 CBAM 和 BiFPN 改进 YoloV5 的渔船目标检测 张德春1,李海涛1,李 勋2,张 雷3 (1 青岛科技大学信息科学技术学院,山东青岛 266000; 2 青岛西海岸新区海洋发展局,山东青岛 266200; 3 青岛励图高科信息技术有限公司,山东青岛 266200) 摘要:在渔港高点监控渔船目 标的场景下, 对渔船检测经常丢失和检测https://fm.fmiri.ac.cn/CN/PDF/543

10.中文交通标志CCTSDB数据集训练集2中国交通 标志 C CTSDB数据集训练集9,里面 有800个 选项 一半 是txt,文件 中存一半数据图片 上传者:weixin_32759777时间:2020-06-18 YOLOV5交通标志识别检测数据集+代码+模型+教学视频 通过拍照标注的形式标注数据 交通标志的目标检测算法在计算机视觉领域一直属于热点研究问题,改进的优化算法不断地被提出。 目前的https://www.iteye.com/resource/weixin_32759777-12530423

11.一种基于改进的YOLOv5和DeepSORT的行人追踪方法1.本发明涉及计算机视觉技术领域,具体涉及一种基于改进的yolov5和deepsort(simple online and realtime tracking with a deep association metric,使用深度关联度量的简单在线实时跟踪)的行人追踪方法。 背景技术: 2.中国交通事业发展迅速,已进入基础设施发展、服务水平提高和转型发展的黄金时期。随着道路交通的发展,交通https://www.xjishu.com/zhuanli/55/202210369883.html