毕设宇航-CSDN博客

原创 YOLOV5单目测距+车辆检测+车道线检测+行人检测（教程-代码）

YOLOv5是一种高效的目标检测算法，结合其在单目测距、车辆检测、车道线检测和行人检测等领域的应用，可以实现多个重要任务的精确识别和定位。

2024-01-23 09:36:54 2722 2

原创基于深度学习的实时人脸检测与情绪分类

本项目致力于研发一款基于深度学习技术的实时人脸检测与情绪分类系统，该系统能够在视频流或实时图像中迅速且准确地定位人脸，并进一步分析人脸表情以识别对应的情绪状态。结合先进的计算机视觉算法与深度神经网络模型，本系统为用户提供了一种直观、高效的非接触式情绪识别解决方案。

2024-04-26 19:02:45 236

原创基于yolov5实时实例分割

是一个结合了最新技术进展（State-of-the-Art, SOTA）的实时实例分割项目，基于著名的YOLOv5目标检测架构，并对其进行扩展以实现对图像中每个对象实例的精确像素级分割。

2024-04-26 17:35:55 410 1

原创基于yolov5实现垃圾检测和分类（教程+代码&教程）

本项目成功利用YOLOv5实现了垃圾的实时检测与分类，通过Zeromq与串口通信实现了与树莓派、STM32的高效数据交互，以及单目测距与坐标显示功能。实验证明，该系统在保持较高检测准确率的同时，具备良好的实时性和可扩展性，为智能化垃圾分类提供了有力的技术支撑。

2024-04-22 09:59:09 825

原创 MediaPipe 集成人脸识别，人体姿态评估，人手检测等模型

基于这些需求，除了上述的特性，MediaPipe 还支持 TensorFlow 和 TF Lite 的推理引擎（Inference Engine），任何 TensorFlow 和 TF Lite 的模型都可以在 MediaPipe 上使用。同时，在移动端和嵌入式平台，MediaPipe 也支持设备本身的 GPU 加速。

2024-04-19 17:02:54 842 1

原创 mediapipe人体姿态检测(全方位探索手部、面部识别、姿势识别与物体检测及自拍分割技术)

本文将聚焦于MediaPipe对人体姿态检测的全面支持，包括手部、面部识别、全身姿势识别、物体检测以及自拍分割五大关键技术。通过深入了解这些功能，读者将能更好地运用MediaPipe在各种应用中实现精准的人体动作捕捉与分析。

2024-04-15 12:57:59 1260 2

原创基于卷积神经网络CNN的疲劳驾驶检测（用于学生毕设内容使用）

基于卷积神经网络的疲劳驾驶检测是一项利用深度学习技术来实时监测和识别驾驶员是否处于疲劳状态的智能技术。CNN在网络架构上特别适合图像和视频处理任务，它可以有效地捕捉和学习图像中的局部特征，并通过多层抽象逐步提取高层次的特征表示。

2024-04-11 09:53:03 1013 1

原创 yolov7的改进工地安全帽佩戴检测系统-协同双注意力机制CDAM2（教程+代码）

工地安全帽佩戴检测系统是计算机视觉技术在工业领域的一种应用，对于推动计算机视觉技术在工业领域的发展具有一定的推动作用。同时，本研究的方法和技术也可以为其他领域的目标检测任务提供有益的思路和方法。综上所述，基于协同双注意力机制CDAM2改进YOLOv7的工地安全帽佩戴检测系统具有重要的研究背景和意义。通过提高工地安全管理的效率和水平，改进目标检测算法的准确性和鲁棒性，以及为相关领域的学术研究和工程实践提供参考，本研究将对工地安全管理和计算机视觉技术的发展产生积极的影响。

2024-04-10 12:08:13 1045 1

原创使用yolov8实现自动车牌识别（教程+代码）

该项目利用了一个被标记为“YOLOv8”的目标检测模型，专门针对车牌识别任务进行训练和优化。

2024-04-09 10:08:37 913 5

原创 yolov5旋转目标检测遥感图像检测-无人机旋转目标检测（代码和原理）

对于旋转目标检测，通常需要对原始YOLOv5架构进行扩展或修改，以便能够检测具有任意角度的对象，比如倾斜的车牌、风力发电机叶片或者卫星图像上的建筑物等。

2024-04-08 09:08:23 807 1

原创基于计算机视觉的交通信号违章检测系统（闯红灯违章检测）

城市中越来越多的汽车会导致大量交通拥堵，这意味着如今在孟加拉国和世界各地，交通违规行为变得更加严重。这造成了严重的财产破坏和更多可能危及人民生命的事故。为了解决令人震惊的问题并防止这种深不可测的后果，需要交通违章检测系统。为此，该系统始终执行适当的交通法规，并逮捕不遵守的人。交通违章检测系统必须实时实现，因为当局一直在跟踪道路。因此，交通执法人员不仅可以放心地准确实施安全道路，而且可以有效地实施安全道路;因为交通检测系统比人类更快地检测到违规行为。该系统可以实时检测交通信号灯违规。用户友好的图形界面与系统相

2024-04-07 09:10:59 1004 3

原创基于YOLOv8车牌识别算法支持12种中文车牌类型（源码+图片+说明文档）

YOLOv8车牌识别算法支持12种中文车牌类型

2024-04-03 20:28:54 576 1

原创 yolov5交互式界面通用界面-yolo-pyqt-gui（通用界面制作+代码-V5.0-6.0版本）

项目对YOLOv5模型应用的普及和推广有着重要作用，降低了使用者的技术门槛，让AI技术更加贴近实际应用场景，方便用户在无需深入理解YOLOv5内部原理的情况下，快速部署和使用目标检测功能。此GUI界面能适配YOLOv5在这两个主要版本间的更新变化。

2024-04-03 10:09:42 1208 1

原创基于yolov9来训练人脸检测

YOLOv9是一个在目标检测领域内具有突破性进展的深度学习模型，尤其以其在实时性与准确性上的优秀表现而受到广泛关注。针对人脸检测这一特定任务，YOLOv9通过其架构创新和算法优化提供了强大的支持。

2024-04-03 09:14:13 659 1

原创 YOLOv3 -最小 PyTorch 实现-支持训练、推理和评估

yolov3能够更加便捷地进行目标检测的研究、开发以及应用落地工作。

2024-04-01 10:17:16 1280 1

原创 yolov5关键点检测-实现溺水检测与警报提示（代码+原理）

总之，基于YOLOv5的关键点检测技术用于溺水检测与警报提示项目，旨在提供一个高效、可靠的早期风险探测系统，以减少意外溺水事故的发生。

2024-04-01 09:18:06 1197 1

原创如何通过使用yolov8实现火灾烟雾检测

介绍该代码库包含使用YOLOv8在实时视频中跟踪和检测火灾和烟雾的代码。该项目使用预训练的YOLOv8模型在给定的视频帧中识别火灾和烟雾的存在，并在后续帧中进行跟踪。应用场景火灾烟雾检测技术可以应用于各种公共场所，例如工厂、商场、学校、医院和住宅等。以下是一些可能的应用场景：工业安全：工厂和生产线常常涉及易燃物质，火灾和爆炸事故可能会对员工和设备造成严重损害。通过在工厂和生产线中安装火灾烟雾检测技术，可以及时发现潜在的火灾和烟雾危险并采取措施避免事故发生。商场安全：商场内人流量大，易引发火灾

2024-03-29 14:56:09 406

原创使用yolov9来实现人体姿态识别估计（定位图像或视频中人体的关键部位）教程+代码

由于YOLOv9的具体细节随着研究进展而不断更新，它的姿态估计模块可能整合了最新的深度学习技术和训练策略，比如多尺度特征融合、自注意力机制、以及轻量级模型设计等，以实现在保持实时性能的同时提高姿态估计的准确性。

2024-03-28 09:34:27 761 1

原创极端道路天气数据集雨天雾天道路晴朗

是一系列专为自动驾驶、智能交通系统研发以及计算机视觉算法测试而设计的真实世界或模拟的道路环境图像和视频集合。这些数据集包含了在各类极端天气条件下捕捉到的道路场景，例如大雾、暴雨、暴雪、冰雹、雾霾、道路结冰等，这些都是对车辆安全行驶构成极大挑战的环境条件。

2024-03-27 12:27:52 416 1

原创基于cnn卷积神经网络的yolov8动物姿态估计识别（训练&代码）

卷积神经网络（Convolutional Neural Networks, CNN）在图像识别和物体检测领域有着广泛的应用，而YOLO系列（You Only Look Once）作为其中的代表作之一，以其高效、实时的特性深受研究者和开发者的喜爱。本文将聚焦于还未正式发布的YOLOv8版本（注：截至当前时间点，YOLO的最新版本为YOLOv5，YOLOv8尚不存在），假定它是YOLO家族中用于动物姿态估计的最新迭代，并简要介绍其在训练和实现动物姿态识别时的基本流程与代码实践。

2024-03-25 21:16:02 1285 1

原创 YOLOv9 实现多目标跟踪

YOLOv9 项目是基于深度学习目标检测技术和多目标跟踪算法的一种集成解决方案。YOLO（You Only Look Once）是一系列知名的实时目标检测模型，YOLOv9则是其最新的一个版本，以其高速和高精度为目标检测领域带来了新的突破。而DeepSORT则是一个基于深度学习的多目标跟踪算法，通过结合卡尔曼滤波器、外观信息和运动信息来进行目标的连续跟踪。

2024-03-25 12:28:15 1172 2

原创语义分割实战项目（从原理到代码环境配置）

是计算机视觉和深度学习领域的一项核心任务，它主要致力于对图像中的每一个像素进行分类，赋予每个像素一个类别标签，以达到理解图像内容的目的。换句话说，语义分割就是将图像分割成多个区域，使得同一区域内所有像素属于同一类别（例如，天空、道路、行人、车辆等）

2024-03-22 11:14:06 974 1

原创计算机视觉项目-单目测距/双目测距/3D目标检测/语义分割/姿态识别及姿态估计

计算机视觉是一门综合运用光学、图像处理、机器学习和模式识别等多种技术的交叉学科，致力于构建能够从图像和视频中获取信息，并进行理解和决策的智能系统。在计算机视觉项目中，研究人员和工程师们通过设计和训练复杂的算法模型，模拟和扩展人类视觉的功能，使其能够自动化地处理、解释和理解视觉数据。一个典型的计算机视觉项目涵盖了广泛的子领域和应用实例。例如，在图像分类项目中，研究人员会设计并训练深度学习模型，如卷积神经网络（CNN），以识别图片中的物体类别，无论是常见的动物、植物、交通工具，还是复杂的工业产品零件。

2024-03-22 10:32:08 883 1

原创运用YOLOv5实时监测并预警行人社交距离违规情况

yolov5检测要检测的视频流中的所有人，然后再计算所有检测到的人之间的相互“距离”，和现实生活中用“m”这样的单位衡量距离不一样的是，在计算机中，简单的方法是用检测到的两个人的质心，也就是检测到的目标框的中心之间相隔的像素值作为计算机中的“距离”来衡量视频中的人之间的距离是否超过安全距离。

2024-03-20 09:55:41 413 1

原创 yolov7 gui 轻松通过GUI来实现车辆行人计数

YOLOv7 GUI 是一款用户友好型图形界面应用程序，专为简化基于YOLOv7（You Only Look Once version 7）的目标检测流程而设计。该工具允许用户无需深入掌握命令行操作和复杂编程细节，即可方便快捷地运行YOLOv7模型来检测图像或视频中的物体。

2024-03-18 09:12:36 432 1

原创 YOLOv7：一种快速准确的目标检测算法新进展

YOLO系列目标检测算法以其高效和实时性在计算机视觉领域赢得了广泛的赞誉。YOLOv7作为这一系列算法的最新迭代版本，是由YOLO系列原作者及其团队研发的一款高性能目标检测模型，继承了YOLO家族一贯的优良特性，并在此基础上实现了显著的性能提升和技术创新。

2024-03-15 15:47:15 1089 1

原创单目测距+姿态识别+yolov8界面+车辆行人跟踪计数

单目测距，及人体姿态识别是计算机视觉领域的一个重要研究方向，旨在从图像或视频中准确推断出人体的姿势信息。通过人体姿态识别技术，我们可以实现人体动作分析、行为识别、运动捕捉等应用，对于智能监控、健康管理、虚拟现实等领域具有广泛的应用前景。YoloV8结合可视化界面和GUI，实现了交互式目标检测与跟踪，为用户提供了一体化的视觉分析解决方案。通过YoloV8算法，该系统能够高效准确地检测各类目标，并实时跟踪它们的运动轨迹。是一种用于目标跟踪的算法，它可以对车辆和行人进行跟踪计数，并且可以检测是否存在道路违规行为。

2024-03-13 09:59:58 1380 1

空空如也

空空如也