ObjectDetectionTest:使用YOLOv5s的目标检测应用程序

yolov5实现目标检测，包括yolov5整个训练亲测流程，改代码配置好所需cuda、torch等环境后，可直接运行，或者按照训练流程重新训练和测试自己的数据集，包教会。

使用 TensorFlow Object Detection API 进行实时目标检测（基于 SSD 模型） 实验目的 使用 TensorFlow Object Detection API 进行实时目标检测（基于 SSD 模型） 任务列表： • 行人识别 • 人脸识别 • 交通灯识别 • 实时检测（平均 FPS>15） • 使用 tflite 将模型移植到嵌入式设备

Object Detection in 20 Years: A Survey（摘要笔记，可做索引配合阅读）

ObjectDetectionRestAPI Flask Web Server对象检测Mask-RCNN模型的实现 相依性 张量流> = 1.5 烧瓶> = 1.0.2 枕头> = 5.1.0 opencv> = 3.4.1 执行 运行Mask-RCNN对象检测服务器（默认为端口5000） python maskrcnn-server.py 或运行SSD MobileNet对象检测服务器（默认为端口5000） python ssd_server.py

说明： 文件描述：本程序是人脸口罩智能检测系统的上位机客户端程序。 主要功能：接收来自jetson nano开发板的视频和数据信息，进行显示和通信。 main.py 程序的主入口文件。 utils.py 封装了大部分的Tkinter界面函数。 Video.py 视频保存、播放和删除相关代码。 注意：程序基于Tkinter（gui）和VideoGear（视频传输）开发

WaymoObjectDetection Waymo数据集 Waymo自动驾驶汽车上的Waymo传感器设置和传感器配置： 数据集摄像机图像的分辨率为1920x1280，相当于Ultra HD分辨率和+ -25.2度的水平视场（HFOV）。 摄像机图像中的2D边界框标签。 摄像机标签是紧贴的，轴向对齐的2D边界框，具有全局唯一的跟踪ID。 边界框仅覆盖对象的可见部分。 以下对象具有2D标签：车辆，行人，骑自行车的人。 Waymo不提供跨摄像机的对象跟踪对应关系。 火车和有轨电车不视为车辆，也没有标签。 摩托车和电单车司机被标记为车辆。 顶级LiDAR的垂直视场（VFOV）范围为-17.6至2.4度，其范围为75米，水平覆盖360度。 前，左，左，右和后LiDAR的覆盖范围小于顶部LiDAR。 它们都具有-90至30度的垂直视场（VFOV），其范围为20米，小于顶部的LiDAR。 以下对象

一个教程，展示如何在Raspberry Pi上搭建TensorFlow的Object Detection API

SSD-config文件分析 思维导图

object detection API