【项目实战】YOLOV5 +实时吸烟目标检测+手把手教学+开源全部

最新推荐文章于 2025-03-30 22:40:55 发布
置顶 最新推荐文章于 2025-03-30 22:40:55 发布
阅读量10w+ 收藏 514
点赞数 220
分类专栏： 原创项目级实战项目 深度学习与计算机视觉精品 动手撸深度学习（原创附视频讲解） 文章标签： 人工智能 深度学习 pytorch 神经网络 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_46098574/article/details/107334954
版权
本文介绍了一个使用YOLOV5进行实时吸烟行为检测的原创项目，包括环境配置、数据标注、训练过程和实时检测。提供了数据集、标注工具和训练教程，并展示了训练效果。项目资源可在GitHub上获取，作者还分享了其他相关数据集。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

本原创项目长期更新，旨在完成校园异常行为实时精检测，做到集成+N次开发+优化（不止局限于调包）为止，近期将不断更新以下模型+数据+标注文件+教程。关注博主，Star 一下github，一起开始美妙的目标检测之路吧~~

文章目录

​ 首先：附上Github传送门：https://github.com/CVUsers/Smoke-Detect-by-YoloV5/tree/master，然后根据本文手把手配置环境+训练自己数据，或者使用我训练好的模型进行使用。用yolov5s训练好的已经放在了里面，用大模型训练的由于大小原因，需要的话可以戳最下方微信私聊我，免费。

写在前面

本人今日开通了个人公众号：DeepAI 视界 分享人工智能领域各种前沿算法，以及最稀缺的深度学习训练数据，还有很多标注好的数据哟！是不是心动了，赶紧关注吧！干货就在下面

了解本专栏 订阅专栏 解锁全文
基于YOLOv5深度学习的吸烟检测系统：YOLOv5 + 数据集 + UI界面
m0_52343631的博客
10-11 685
吸烟是全球公共卫生的一个重大问题，造成了数以百万计的死亡和疾病。本文将详细介绍如何使用YOLOv5构建一个吸烟检测系统，包括数据集准备、模型训练、实时检测和用户界面实现等内容。本文详细介绍了如何基于YOLOv5构建吸烟检测系统，包括数据集准备、模型训练、实时检测以及用户界面的实现。随着深度学习技术的进步，吸烟检测系统有望在公共场所的吸烟管理中发挥越来越重要的作用。通过以上步骤，我们成功构建了一个基于YOLOv5的吸烟检测系统。YOLOv5会返回检测到的结果，可以在图像上渲染出框和标签。
【项目实战】智能零售商品检测（训练详解+优化部署策略+大型数据开源）基于EfficientDet Pytorch
cv君的博客
11-16 1万+
文章目录前言何为Efficientdet1 数据准备数据标注附上自己的Lablimg简易教学：将XML转换成COCO JSON格式安装依赖模型训练模型推理模型介绍BiFPNCross-Scale Connections后续思路 前言 这两天我CV调包侠帮助自己深度学习交流群的朋友做一个智能零售的企业级项目，我帮助他完成了零售商品检测的基本迭代一，已经轻松地完成了Yolo系列的训练，比如Yolov5 和Yolov3，Efficientdet是一个优秀的目标检测算法，速度与精度并存的实时性目标检测算法，我们今天
YOLOv5吸烟检测 yolov5-6.0-smoking_detect.zip
05-19
YOLOv5吸烟检测训练好的 模型，在几千张吸烟数据中训练得到，用于吸烟时的行为检测，有YOLOv5m和yolov5s两个训练好的吸烟检测的模型；目标类别是smoke，准确率大90%以上，附有pr曲线，loss曲线等等， 参考结果：https://blog.csdn.net/weixin_51154380/article/details/124480876
《深度学习》——YOLOv5详解
最新发布
will be blogging
03-30 3165
YOLOv5 是一种目标检测算法，属于 YOLO（You Only Look Once）系列的第5代版本。YOLOv5 是一个广泛使用的目标检测算法，它基于 YOLO（You Only Look Once）系列的思想，具有速度快、精度高的特点。它和YOLOv4的区别是v4是属于学术上的，而v5增加了工程上的使用。它在目标检测领域有着重要地位，结合了许多先进的技术，在速度和精度上取得了较好的平衡。主要特点。
yolov5抽烟检测数据集
09-15
yolov5抽烟检测数据集，txt格式，训练集、测试集、验证集已划分好，可直接用于训练，亲测有效
吸烟检测 yolov5开源推荐
jacke121的专栏
08-05 1万+
【项目实战】YOLOV5 +实时吸烟目标检测+手把手教学+开源全部 标签：实战项目【数据共享】目标检测精读人工智能深度学习pytorch神经网络机器学习 Why this ad? Ads byFatChilli 本原创项目长期更新，旨在完成校园异常行为实时精检测，做到集成+N次开发+优化（不止局限于调包）为止，近期将不断更新以下模型+数据+标注文件+教程。关注博主，STAR 一下GITHUB，一起开始美妙的目标检测之路吧~~ 文章目录 本原创...
抽烟行为监测识别系统 yolov5
燧机科技的博客
01-31 1038
抽烟行为监测识别系统通过python+yolov5网络深度学习技术，对画面中人员抽烟行为进行主动识别检测。在介绍Yolo算法之前，首先先介绍一下滑动窗口技术，这对我们理解Yolo算法是有帮助的。采用滑动窗口的目标检测算法思路非常简单，它将检测问题转化为了图像分类问题。其基本原理就是采用不同大小和比例（宽高比）的窗口在整张图片上以一定的步长进行滑动，然后对这些窗口对应的区域做图像分类，这样就可以实现对整张图片的检测了。
YOLOv5烟雾检测+pyqt可视化界面 yolov5-6.0-smoke_detect-qt.zip
05-13
1、YOLOv5烟雾检测训练好的模型，可以直接使用，检测 的目标类别名称为smoke，并可以在可视化界面上直接运行，代码已集成好，直接运行就可展示可视化界面，可以通过界面上的 按钮选择图片进行烟雾检测，并且可以调用摄像头检测以及检测相关视频，使用简单，并附有使用说明 2、烟雾数据集下载：https://download.csdn.net/download/weixin_51154380/85190134 3、其他数据集参考：https://blog.csdn.net/weixin_51154380/article/details/124480876
【全面】人工智能技术栈与学习路线：机器学习 深度学习 视觉 NLP 推荐系统
热门推荐
cv君的博客
08-19 1万+
文章目录一 概述(本文原创)二 人工智能编程语言/数据结构与算法三 人工智能基础原理四 智能信息获取（简称爬虫） 与数据分析1、发起请求3、解析内容4、保存数据二、Requests库介绍2.1基本介绍requests的基本使用流程三、selenium四：效率问题五：资源浪费六：能被识别七、scrapy框架八、Bs4整体使用步骤九、字段匹配方案十：数据存储与队列任务（MongoDB与Rabbitmq）十一、总结requests vs Scrapy两个方法看情况用相同点五 统计学原理/离散数学/概率论与数理统计
pytorch 吸烟检测yolov5s
qq_36537774的博客
05-04 3837
【项目实战】YOLOV5 +实时吸烟目标检测+手把手教学+开源所有 文章目录 本原创项目长期更新，旨在完成校园异常行为实时精检测，作到集成+N次开发+优化（不止局限于调包）为止，近期将不断更新如下模型+数据+标注文件+教程。关注博主，Star 一下github，一块儿开始美妙的目标检测之路吧~~ 1、项目展现 2、项目资源共享 1：训练图片：香烟图片+吸烟手势+烟雾 3、实践教学 3.1环境配置 3.2数据标注与预处理 3.2..
Jetson 系列——基于yolov5对是否吸烟的检测，部属于jetson xavier nx，使用tensorrt、c++和int8加速，可用于边缘计算
RichardoMu的博客
11-14 6341
项目简介： 代码地址： github地址:https://gitee.com/mumuU1156/yolov5-smoking-detect github python地址:https://github.com/RichardoMrMu/yolov5-smoke-detection-python gitee c++地址:https://gitee.com/mumuU1156/yolov5-smoking-detect gitee python地址:https://gitee.com/mumuU1156/yo
hualubei2020-callingsmoking:2020中国华录杯·数据湖算法大赛—定向算法赛（吸烟打电话检测）第二名开源
04-16
2020中国华录杯·数据湖算法大赛—定向算法赛（吸烟打电话检测）第二名开源 作者：fire15 联系邮箱： 队伍名称：一个人要像一支队伍 成绩： 初赛A榜：99.84 / 第二名 （两周周冠军） 初赛B榜：84.09 / 第七名 复赛A榜：99.15 / 第五名 复赛B榜：93.13 / 第二名 决赛答辩：第二名 比赛地址： 一、算法简介 数据处理时，观察很多手机拍摄高清图片分辨率很大，因为我机器不大好，IO比较耗时，为了加速训练，先预先等比缩放保存好； 然后合并初赛的数据，进行一个清洗、去重； 最后通过定制化的CutMix进行数据预增强，先生成好部分图片。 主要训练方式基础模型是EfficientNet-B4，使用了对抗学习的预训练模型，使用了Ranger优化器，使用了SGDR的学习率衰减策略，然后通过监测验证集的mAP分数来选择最好的模型，使用early stop停止训练。在训练时还
YOLOv5吸烟行为检测代码+训练好的吸烟行为检测模型+5000标注好的吸烟行为检测数据集
06-04
1、YOLOV5吸烟行为检测，两种训练好的模型，内含各种训练曲线图，并包含数据集， 5000多张使用lableimg软件标注软件标注好的吸烟数据，图片格式为jpg，标签有两种，分别为xml格式和txt格式，分别保存在两个文件夹中，类别名为smoke; 可以直接用于YOLO系列的吸烟行， 2、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 3、采用pytrch框架，代码是python的
基于Yolov5的吸烟行为识别检测
韩若熙的博客
09-14 5910
上一篇《win10系统下Yolov5目标检测环境搭建（Anaconda3+Pytorch+Yolov5，CPU，无GPU）》中，介绍了win10系统下yolov5的环境搭建步骤，本篇在此环境下，实现吸烟行为识别检测。注意：修改自己对应的类别个数和类别名。
基于深度学习的高精度抽烟行为检测识别系统（PyTorch+Pyside6+YOLOv5模型）
sc1434404661的博客
06-23 4386
近年来，机器学习和深度学习取得了较大的发展，深度学习方法在检测精度和速度方面与传统方法相比表现出更良好的性能。YOLOv5是单阶段目标检测算法YOLO的第五代，根据实验得出结论，其在速度与准确性能方面都有了明显提升，开源的代码可见https://github.com/ultralytics/yolov5。因此本博文利用YOLOv5检测算法实现一种高精度抽烟行为识别检测模型，再搭配上Pyside6库写出界面系统，完成目标检测识别页面的开发。
YOLOv5 项目：训练代码和参数详细介绍（train）
Henry的博客
03-06 1万+
YOLOv5 训练输入参数的详细解释
[PaddleDetection保姆级教程]使用自定义数据集实现吸烟识别预测
weixin_47349091的博客
07-09 1786
PaddleDetection 介绍 PaddleDetection是基于PaddlePaddle的端到端对象检测开发工具包，旨在帮助开发人员在训练模型的整个开发，优化性能和推理速度以及部署模型方面提供帮助。PaddleDetection在模块化设计中提供了各种对象检测体系结构，并提供了丰富的数据增强方法，网络组件，丢失功能等。PaddleDetection支持实际项目，例如工业质量检查，遥感图像对象检测以及具有模型等实际功能的自动检查。压缩和多平台部署。 现在，PaddleDetection中的所有模型都
RV1126笔记十五：吸烟行为检测及部署＜二＞
12-24 845
yolov5环境搭建
yolov5 +实时吸烟目标检测
08-15
yolov5是一种流行的目标检测算法，它的主要思想是通过深度学习模型实现实时的目标检测。如果我们想要使用yolov5进行实时吸烟目标检测，我们可以按照以下步骤进行。 首先，我们需要收集大量的吸烟图片数据集，并为每个图像标记吸烟目标的边界框和类别标签。这些数据将用于训练我们的yolov5模型。 然后，我们将收集并标记的数据集划分为训练集和测试集。用于训练的数据集将用于调整yolov5模型的参数，使其能够准确地检测吸烟目标。测试集用于评估模型在未见过数据上的性能表现。 接下来，我们使用yolov5的训练脚本来训练我们的模型。该脚本会加载我们划分好的训练集，并根据训练集中的标记信息来调整模型的参数。训练过程可能需要一些时间，取决于数据集的大小以及计算资源的能力。 训练完成后，我们可以使用训练好的yolov5模型来实时检测吸烟目标。我们将模型应用于摄像头或视频流中的每一帧图像，检测吸烟目标的位置和类别，并将其标记出来。 最后，我们可以根据我们的需求对检测结果进行后处理，比如过滤掉置信度较低的检测框或使用跟踪算法来跟踪吸烟目标的运动。这样就可以实现实时吸烟目标检测。 总结来说，通过使用yolov5算法，我们可以训练一个能够实时检测吸烟目标的深度学习模型。这个模型可以在摄像头或视频流中实时检测吸烟目标的位置和类别，为吸烟行为监控和管理提供有力的工具。
评论 238
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

cv君

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值