- 1ubuntu-14.04.5-server安装及配置android编译服务器实录_ubuntu14 server android
- 2凡尔码安全巡检卡替代传统纸质记录卡
- 3【Backbone】Vim（Vision Mamba）架构学习笔记_vim mamba
- 4上下双相机引导定位，下相机怎么标定？_上下相机定位贴合
- 5c++ eos智能合约开发_EOS智能合约开发为何编译成WebAssembly?
- 6最详细的 K8S 学习笔记总结
- 7Flutter 视频详情头部模块组件封装与布局技巧_flutter 布局header
- 8linux终端信息输出到文件_linux 将终端内容显示在文件
- 9电机控制之FOC_克拉克变换
- 10java实验（头歌）--面向对象封装继承和多态_java面向对象封装继承和多态头歌
【深度学习目标检测】八、基于yolov5的抽烟识别（python，深度学习）_yolov5吸烟检测
赞
踩
YOLOv5是目标检测领域一种非常优秀的模型，其具有以下几个优势：
1. 高精度：YOLOv5相比于其前身YOLOv4，在目标检测精度上有了显著的提升。YOLOv5使用了一系列的改进，如更深的网络结构、更多的特征层和更高分辨率的输入图像，以提升精度。
2. 高效性能：YOLOv5在目标检测任务中具有很高的处理速度和实时性。相比于其他目标检测模型，YOLOv5采用了更少的计算量和参数数量，因此它在目标检测任务中具有更快的推理速度。
3. 简单易用：YOLOv5是一个开源项目，源代码公开，并且提供了预训练的模型权重。这使得使用YOLOv5进行目标检测变得非常方便，无需从头开始训练模型，只需进行适当的微调即可。
4. 多平台适用：YOLOv5可以在多种平台上运行，包括PC端、嵌入式设备和移动设备等。这使得YOLOv5可以在各种场景下应用，如自动驾驶、智能安防、人脸识别等。
5. 多功能：YOLOv5可以检测和分类多个不同的目标类别，包括人、车辆、动物等。此外，YOLOv5还可以检测出目标的位置和大小，并提供相应的置信度。
总之，YOLOv5具有高精度、高效性能、简单易用、多平台适用和多功能等优势，使其成为目标检测领域中的一种前沿模型。
参考：【深度学习目标检测】四、基于深度学习的抽烟识别（python，yolov8）
本文介绍了基于Yolov5的抽烟检测模型，包括训练过程和数据准备过程，同时提供了推理的代码。
模型在线体验：模型乐园
效果如下图：
检测结果如下图（检测效果有所欠缺）：
一、安装YoloV5
yolov5和yolov8是同个团队开发的，官方文档：主页 - Ultralytics YOLOv8 文档
安装部分参考：官方安装教程
二、数据集准备
抽烟数据集共包含705个训练图片，78个验证图片，图片示例如下：
原始的数据格式为VOC格式，本文提供转换好的yolov5格式数据集，，可以直接放入yolov5中训练，数据集地址（yolov5和yolov8格式一致）：抽烟数据集yolov5格式
三、修改yolov8配置文件
1、修改数据集配置文件
将path替换成自己的数据集路径：
- # Ultralytics YOLO 声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/AllinToyou/article/detail/588237推荐阅读
相关标签
Copyright © 2003-2013 www.wpsshop.cn 版权所有，并保留所有权利。
