分为yolov5项目部署和微信小程序两部分，先介绍微信小程序前端展示+flask后端，之后介绍项目部署这部分。一、先上效果图1.点击选择图片，调用摄像头选择图片 2.选择图片之后，点击开始检测，然后返回结果 二、前端代码wxml文件：viewclass="container">{avatarUrl}}"class=".img"bindtap="imgClick">选择图片开始检测{{name_and_nums}}{names}}">{{item.name}}:{{item.value}}js文件，分为两部分，一部分是调用摄像头，另一部分是图片检测1.数据定义：data:{av
1.简述近年随着无人机的快速发展，通用无人机已广泛应用于摄影、农业、监控等多个领域。这里举个例子，比如我们要监控城市主干道的交通情况，就可以通过无人机传回画面来实时监控。我们可以通过人工智能技术来分析传回的图像，来统计行人、汽车的流通量。然而，也是存在难点：（1）部分目标过小，无人机拍摄的画面比较远时，而行人在远景中就显得非常小，容易漏检；（2）航拍的视频画面中，有大量的检测物体，可能会同时出现几十上百个目标，而目标被遮挡或重叠，也造成不小的难度。这里我采用YOLOv5算法及VisDrone2021数据集来实现自己的小目标检测任务。2.数据集处理（1）数据集下载VisDrone2021数据集，
1.简述近年随着无人机的快速发展，通用无人机已广泛应用于摄影、农业、监控等多个领域。这里举个例子，比如我们要监控城市主干道的交通情况，就可以通过无人机传回画面来实时监控。我们可以通过人工智能技术来分析传回的图像，来统计行人、汽车的流通量。然而，也是存在难点：（1）部分目标过小，无人机拍摄的画面比较远时，而行人在远景中就显得非常小，容易漏检；（2）航拍的视频画面中，有大量的检测物体，可能会同时出现几十上百个目标，而目标被遮挡或重叠，也造成不小的难度。这里我采用YOLOv5算法及VisDrone2021数据集来实现自己的小目标检测任务。2.数据集处理（1）数据集下载VisDrone2021数据集，
随着社会和经济的持续发展，电力系统的投资与建设也日益加速。在电力系统中，输电线路作为电能传输的载体，是最为关键的环节之一。而绝缘子作为输电环节中的重要设备，在支撑固定导线，保障绝缘距离的方面有着重要作用。大多数高压输电线路主要架设在非城市内地区，绝缘子在输电线路中由于数量众多、跨区分布，且长期暴露在空气中，受恶劣自然环境的影响，十分容易发生故障。随着大量输电工程的快速建设，传统依靠人工巡检的模式，已经越来越难以适应高质量运维的要求。随着国网公司智能化要求的提升，无人机技术的快速应用，采取无人机智能化巡视，能够大幅度减少运维人员及时间，提升质量，因此得到快速发展。深度学习技术的大量应用，计算机运
随着社会和经济的持续发展，电力系统的投资与建设也日益加速。在电力系统中，输电线路作为电能传输的载体，是最为关键的环节之一。而绝缘子作为输电环节中的重要设备，在支撑固定导线，保障绝缘距离的方面有着重要作用。大多数高压输电线路主要架设在非城市内地区，绝缘子在输电线路中由于数量众多、跨区分布，且长期暴露在空气中，受恶劣自然环境的影响，十分容易发生故障。随着大量输电工程的快速建设，传统依靠人工巡检的模式，已经越来越难以适应高质量运维的要求。随着国网公司智能化要求的提升，无人机技术的快速应用，采取无人机智能化巡视，能够大幅度减少运维人员及时间，提升质量，因此得到快速发展。深度学习技术的大量应用，计算机运
前言本篇博文用来研究YOLOv5在Android上部署的例程主要参考的是Pytorch官方提供的Demo：https://github.com/pytorch/android-demo-app/tree/master/PyTorchDemoApp功能简述App主页如下图所示：主要功能：切换测试图片在程序中直接指定三张(或任意张)图片，点击测试图片，可以切换图片选择图片点击选择图片，可以在相册中选择一张图片，也可以直接进行拍照实时视频点击实时视频，可以开启摄像头，直接在摄像预览中显示检测结果切换模型(我添加的功能)点击切换模型，可以选择不同的模型进行检测快速上手首先来跑通官方Demo，首先下载官
前言本篇博文用来研究YOLOv5在Android上部署的例程主要参考的是Pytorch官方提供的Demo：https://github.com/pytorch/android-demo-app/tree/master/PyTorchDemoApp功能简述App主页如下图所示：主要功能：切换测试图片在程序中直接指定三张(或任意张)图片，点击测试图片，可以切换图片选择图片点击选择图片，可以在相册中选择一张图片，也可以直接进行拍照实时视频点击实时视频，可以开启摄像头，直接在摄像预览中显示检测结果切换模型(我添加的功能)点击切换模型，可以选择不同的模型进行检测快速上手首先来跑通官方Demo，首先下载官
YOLOV5+双目相机实现三维测距1.zed+yolov7实现双目测距2.zed+yolov4实现双目测距（直接调用，免标定）3.zed+yolov5实现双目测距（直接调用，免标定）4.本文具体实现效果已在哔哩哔哩发布，点击跳转（欢迎投币点赞）5.如果有用zed相机的，可以参考我上边的两边文章👆👆👆直接调用内部相机参数，精度比双目测距好很多下载链接1：https://download.csdn.net/download/qq_45077760/87233955（CSDN）下载链接2：https://github.com/up-up-up-up/yolov5_ceju（github）我所做的是在
YOLOV5+双目相机实现三维测距1.zed+yolov7实现双目测距2.zed+yolov4实现双目测距（直接调用，免标定）3.zed+yolov5实现双目测距（直接调用，免标定）4.本文具体实现效果已在哔哩哔哩发布，点击跳转（欢迎投币点赞）5.如果有用zed相机的，可以参考我上边的两边文章👆👆👆直接调用内部相机参数，精度比双目测距好很多下载链接1：https://download.csdn.net/download/qq_45077760/87233955（CSDN）下载链接2：https://github.com/up-up-up-up/yolov5_ceju（github）我所做的是在
YOLO系列—YOLOV7算法（三）：YOLOV7算法train.py代码解析先介绍下每个参数的含义（直接在代码上写吧）parser=argparse.ArgumentParser()parser.add_argument('--weights',type=str,default='',help='initialweightspath')#初始化权重文件，如果有预训练模型，可以直接在此加载parser.add_argument('--cfg',type=str,default=r'E:\work\People_Detect\yolov7-main\cfg\training\yolov7x.ya
