开放词汇目标检测研究综述摘要 开放词汇目标检测(OVOD)突破了传统目标检测的封闭类别限制，能够通过自然语言描述识别任意新类别。本文系统梳理了OVOD的研究进展：首先分析传统检测方法的局限性(封闭类别、泛化能力差、扩展成本高)，明确OVOD的核心定义是"基于文本引导识别新物体"；其次对比传统与开放检测在类别设定、文本输入、零样本能力等方面的差异；然后介绍OVOD发展历程，从20

本文介绍了目标检测标注工具LabelImg的安装与使用方法。首先详细说明了如何通过conda创建虚拟环境并安装LabelImg，然后讲解了图像数据集的准备工作，提供了中文路径处理的Python脚本。文章重点介绍了LabelImg的标注功能，包括常用快捷键的使用，并对比了YOLO、VOC和COCO三种数据格式的特点。特别针对YOLO格式的标注进行了详细说明，解释了其txt标签文件的结构和数值含义，通

本文介绍了一个基于YOLOv11和YOLOv8的遥感目标检测系统，支持15类物体的水平框检测，包括车辆、飞机、船舶等。项目提供了完整的环境配置指南和训练流程，支持本地和云服务器训练。系统包含图像/视频检测功能，并封装了PySide6图形界面和Gradio的Web界面。资源包中包含多种模型权重供比较，用户可自定义训练数据集和界面参数。该系统针对大规模遥感数据优化，实现了高效的目标检测功能。

摘要 本项目开发了一套基于深度学习的无人机检测系统，主要用于机场等敏感区域防范无人机入侵。系统采用YOLO模型进行训练，支持图像和视频检测，并提供了完整的本地训练流程和图形化界面。项目包含数据集标注、模型训练、测试验证及Web界面开发等功能模块，详细说明了环境配置、GPU服务器训练等实施步骤。该系统可有效识别监控区域内的无人机目标，为公共安全防护提供技术解决方案。

本文介绍了一个基于YOLOv11和YOLOv8的钢铁表面缺陷检测系统。该系统能够识别龟裂、夹杂、斑点等6种常见缺陷，支持图像和视频检测。项目提供完整的环境配置指南、训练脚本和图形化界面，用户可本地训练或使用GPU服务器，并包含Web界面封装代码。系统通过深度学习技术提升钢铁质量检测效率，适用于工业质检场景。

本文介绍了一个基于YOLOv11和YOLOv8的船舶检测系统，支持25类船舶识别。系统包含训练、测试和图形化界面三部分：1）使用step1_start_train.py进行模型训练，需配置数据集路径；2）通过step2_start_val.py测试模型性能；3）采用PySide6开发图形界面step3_start_window_track.py，支持图片/视频检测。项目还提供Web版demo.py

电动车头盔佩戴检测系统 本系统基于YOLO12深度学习算法，实现了电动车驾驶员头盔佩戴情况的自动检测。项目提供完整的数据集（包含"佩戴头盔"、"未佩戴头盔"和"电动车"三类标注）、预训练模型（YOLOv5/v8/v11/v12）和配套的图形化界面。系统支持图片和视频检测，准确识别头盔佩戴情况，并提供可视化结果。项目包含详细的本地训练指南、

本文介绍了一个基于深度学习的交通信号灯检测系统，支持红灯、黄灯、绿灯和关闭状态的识别。项目使用YOLO模型进行训练和检测，提供完整的环境配置指南、本地训练流程、GPU服务器训练选项（推荐蓝耘GPU平台）、模型测试方法以及图形化界面封装。系统支持图片和视频检测功能，并提供了基于PySide6开发的GUI界面和Gradio实现的Web界面。文章详细说明了数据集配置、训练参数调整、模型替换等关键步骤，适

我们之前做过一期基于Yolov5的口罩检测系统（手把手教你使用YOLOV5训练自己的目标检测模型-口罩检测-视频教程_dejahu的博客-CSDN博客），里面的代码是基于YOLOV5 6.0开发的，并且是适用其他数据集的，只需要修改数据集之后重新训练即可，非常方便，但是有些好兄弟是初学者，可能不太了解数据的处理，所以我们就这期视频做个衍生系列，主要是希望通过这些系列来教会大家如何训练和使用自己的数

目标检测数据集清单-附赠YOLOV5模型训练和使用教程先占坑，后续更新找到我你可以通过这些方式来寻找我。B站：肆十二-CSDN：肆十二知乎：肆十二微博：肆十二-现在关注以后就是老朋友喽！...