yolov9实现自建数据集训练，最新训练的安全帽佩戴识别，定义了helmet和head，使用1.6w张VOC格式数据集进行训练，迭代次数为100次，使用模型结构为yolov9-e.yaml，支持算法优化改进，包含加注意力机制，修改损失函数，修改网络结构等。

python开发语言，pytorch框架，支持一键部署运行。使用代码级联两个模型实现静态识别 动态实时识别。自建数据集训练人脸性别分类研判模型。自建数据集训练人脸检测模型。

yolov5 pytorch 检测模型与分类模型进行级联，效果比单独训练yolov5表情要提升不少。使用一万张数据集训练人脸检测模型，使用五万张数据集训练表情分类模型。

使用yolov5算法模型训练商品数据集。支持图片识别 视频识别 摄像头实时识别。支持pyqt可视化呈现识别结果。包括113类天池商品数据集。自建饮料商品数据集等。

使用yolov5训练行人和香烟的数据集效果还是可以的，不过香烟的目标比较小，会出现一定的漏检和误识别，需要继续收集数据集进行优化提升

voc格式数据集自己训练的模型效果很棒

yolov5s模型使用tensorrt加速在显卡1060上运行FPS提升到90左右，比原始官方模型提升一倍左右支持python调用和c++调用

yolov5x模型安全帽佩戴识别安全帽颜色识别自建数据集效果很棒opencv 图片识别视频识别摄像头识别

下水道井盖识别，多分类，使用yolov5训练，采用一部分开源数据集和自建数据集。python pytorch opencv 深度学习#人工智能#深度学习#目标检测。

主要使用的技术开发软件 vs2017开发语言 c#主要开源库:OpenCV 等主要技术:yolov3gpu加速:cuda cudnn，兼容CPU模式