2022电子物联网毕设一套基于 YOLOv5机场疫情防控辅助系统的设计与实现(论文+程序源代码+数据）定稿.zip原创优质

下载本文档

阅读 0
格式 zip
大小 136.17 MB
197文件
2025-09-05
收藏
评论
点赞(0)
海报
举报

2022电子物联网毕设一套基于 YOLOv5机场疫情防控辅助系统的设计与实现(论文+程序源代码+数据）定稿.zip

收起资源包目录

1814190128_王轩_机场疫情防控辅助系统的设计与实现_孟伟.pdf(1.16 MB)
1814190128_王轩_代码
- .idea
  - .gitignore(50 B)
  - .name(9 B)
  - inspectionProfiles
    - profiles_settings.xml(174 B)
  - misc.xml(195 B)
  - modules.xml(301 B)
  - workspace.xml(4.4 KB)
  - yolov5-mask-42-master.iml(492 B)
- Arial.ttf(755.11 KB)
- LICENSE(34.3 KB)
- README.md(15.45 KB)
- __pycache__
  - first.cpython-38.pyc(1.15 KB)
  - val.cpython-38.pyc(12.16 KB)
- client.py(217 B)
- data
  - Argoverse.yaml(2.69 KB)
  - GlobalWheat2020.yaml(1.84 KB)
  - Objects365.yaml(7.91 KB)
  - SKU-110K.yaml(2.3 KB)
  - VOC.yaml(3.3 KB)
  - VisDrone.yaml(2.86 KB)
  - coco.yaml(2.3 KB)
  - coco128.yaml(1.67 KB)
  - data.yaml(306 B)
  - hyps
    - hyp.finetune.yaml(907 B)
    - hyp.finetune_objects365.yaml(460 B)
    - hyp.scratch-high.yaml(1.64 KB)
    - hyp.scratch-low.yaml(1.65 KB)
    - hyp.scratch-med.yaml(1.65 KB)
    - hyp.scratch.yaml(1.62 KB)
  - images
    - bus.jpg(476.01 KB)
    - fishman.jpg(73.66 KB)
    - phone
      - phone_1310.jpg(392.44 KB)
      - phone_2096.jpg(222.89 KB)
      - phone_2402.jpg(181.3 KB)
      - phone_2423.jpg(196.67 KB)
      - phone_419.jpg(646.13 KB)
      - phone_633.jpg(343.56 KB)
      - phone_689.jpg(314.93 KB)
      - phone_89.jpg(444.2 KB)
      - train_1001.jpeg(45.42 KB)
      - train_1002.jpeg(24.76 KB)
      - train_1003.jpeg(63.79 KB)
      - train_1004.jpeg(75 KB)
    - zidane.jpg(164.99 KB)
  - mask_data.yaml(377 B)
  - scripts
    - download_weights.sh(523 B)
    - get_coco.sh(900 B)
    - get_coco128.sh(615 B)
  - xView.yaml(4.92 KB)
- data_gen.py(7.91 KB)
- detect.py(12.23 KB)
- docs
  - Dockerfile(2.06 KB)
  - README.md(14.4 KB)
  - tutorial.ipynb(54.54 KB)
- export.py(16.46 KB)
- hubconf.py(6.06 KB)
- images
  - UI
    - aniy.png(22.38 KB)
  - data
  - tmp
    - single_result_vid.jpg(87.86 KB)
- models
  - __init__.py(0 B)
  - __pycache__
    - __init__.cpython-38.pyc(159 B)
    - common.cpython-38.pyc(25.95 KB)
    - experimental.cpython-38.pyc(4.78 KB)
    - yolo.cpython-38.pyc(12.64 KB)
  - common.py(26.71 KB)
  - experimental.py(4.48 KB)
  - hub
    - anchors.yaml(3.26 KB)
    - yolov3-spp.yaml(1.53 KB)
    - yolov3-tiny.yaml(1.2 KB)
    - yolov3.yaml(1.52 KB)
    - yolov5-bifpn.yaml(1.39 KB)
    - yolov5-fpn.yaml(1.19 KB)
    - yolov5-p2.yaml(1.62 KB)
    - yolov5-p6.yaml(1.66 KB)
    - yolov5-p7.yaml(2.03 KB)
    - yolov5-panet.yaml(1.37 KB)
    - yolov5l6.yaml(1.78 KB)
    - yolov5m6.yaml(1.78 KB)
    - yolov5n6.yaml(1.78 KB)
    - yolov5s-ghost.yaml(1.45 KB)
    - yolov5s-transformer.yaml(1.41 KB)
    - yolov5s6.yaml(1.78 KB)
    - yolov5x6.yaml(1.78 KB)
  - mask_yolov5l.yaml(1.37 KB)
  - mask_yolov5m.yaml(1.37 KB)
  - mask_yolov5s.yaml(1.37 KB)
  - tf.py(20.18 KB)
  - yolo.py(14.89 KB)
  - yolov5l.yaml(1.37 KB)
  - yolov5m.yaml(1.37 KB)
  - yolov5n.yaml(1.37 KB)
  - yolov5s.yaml(1.37 KB)
  - yolov5x.yaml(1.37 KB)
- pretrained
  - yolov5m.pt(40.72 MB)
  - yolov5s.pt(14.02 MB)
- requirements.txt(896 B)
- runs
  - detect
  - train
    - exp
      - F1_curve.png(139.24 KB)
      - PR_curve.png(83.55 KB)
      - P_curve.png(110.45 KB)
      - R_curve.png(117.31 KB)
      - confusion_matrix.png(95.83 KB)
      - events.out.tfevents.1647240442.LAPTOP-2CO6VBCQ.14744.0(1.08 MB)
      - events.out.tfevents.1651678509.WX.11156.0(973.59 KB)
      - hyp.yaml(400 B)
      - opt.yaml(751 B)
      - results.csv(29.1 KB)
      - results.png(226.76 KB)
      - train_batch0.jpg(84.89 KB)
      - train_batch1.jpg(165.11 KB)
      - train_batch2.jpg(104.74 KB)
      - val_batch0_labels.jpg(268.41 KB)
      - val_batch0_pred.jpg(272.96 KB)
      - val_batch1_labels.jpg(277.05 KB)
      - val_batch1_pred.jpg(280.35 KB)
      - val_batch2_labels.jpg(323.1 KB)
      - val_batch2_pred.jpg(326.27 KB)
      - weights
        best.pt(13.74 MB)
        last.pt(13.74 MB)
        yolov5s_best.onnx(27.18 MB)
    - exp4
      - F1_curve.png(158.24 KB)
      - PR_curve.png(84.94 KB)
      - P_curve.png(107.98 KB)
      - R_curve.png(137.32 KB)
      - confusion_matrix.png(98.1 KB)
      - events.out.tfevents.1650806994.WX.15568.0(1006.29 KB)
      - events.out.tfevents.1651926764.LAPTOP-QD11TRP1.13780.0(40 B)
      - hyp.yaml(400 B)
      - opt.yaml(752 B)
      - results.csv(29.1 KB)
      - results.png(220.38 KB)
      - train_batch0.jpg(83.53 KB)
      - train_batch1.jpg(182.99 KB)
      - train_batch2.jpg(84.61 KB)
      - val_batch0_labels.jpg(247.51 KB)
      - val_batch0_pred.jpg(251.74 KB)
      - val_batch1_labels.jpg(334.25 KB)
      - val_batch1_pred.jpg(338.46 KB)
      - val_batch2_labels.jpg(295.62 KB)
      - val_batch2_pred.jpg(301.6 KB)
      - weights
        best.pt(13.74 MB)
        last.pt(13.74 MB)
- setup.cfg(923 B)
- train.py(32.48 KB)
- utils
  - __init__.py(458 B)
  - __pycache__
    - __init__.cpython-38.pyc(573 B)
    - activations.cpython-38.pyc(4.44 KB)
    - augmentations.cpython-38.pyc(8.85 KB)
    - autoanchor.cpython-38.pyc(6.13 KB)
    - autobatch.cpython-38.pyc(2.08 KB)
    - callbacks.cpython-38.pyc(2.24 KB)
    - datasets.cpython-38.pyc(34.82 KB)
    - datasets_not_print.cpython-38.pyc(34.36 KB)
    - downloads.cpython-38.pyc(3.89 KB)
    - general.cpython-38.pyc(29.82 KB)
    - loss.cpython-38.pyc(6.32 KB)
    - metrics.cpython-38.pyc(10.74 KB)
    - plots.cpython-38.pyc(17.6 KB)
    - torch_utils.cpython-38.pyc(11.65 KB)
  - activations.py(3.69 KB)
  - augmentations.py(11.46 KB)
  - autoanchor.py(7 KB)
  - autobatch.py(2.13 KB)
  - aws
    - __init__.py(0 B)
    - mime.sh(780 B)
    - resume.py(1.17 KB)
    - userdata.sh(1.22 KB)
  - callbacks.py(2.2 KB)
  - datasets.py(44.07 KB)
  - datasets_not_print.py(44.02 KB)
  - downloads.py(5.99 KB)
  - flask_rest_api
    - README.md(1.67 KB)
    - example_request.py(299 B)
    - restapi.py(1.05 KB)
  - general.py(34.01 KB)
  - google_app_engine
    - Dockerfile(821 B)
    - additional_requirements.txt(105 B)
    - app.yaml(174 B)
  - loggers
    - __init__.py(6.72 KB)
    - __pycache__
      - __init__.cpython-38.pyc(6.51 KB)
    - wandb
      - README.md(10.18 KB)
      - __init__.py(0 B)
      - __pycache__
        __init__.cpython-38.pyc(172 B)
        wandb_utils.cpython-38.pyc(18.77 KB)
      - log_dataset.py(1.01 KB)
      - sweep.py(1.12 KB)
      - sweep.yaml(2.41 KB)
      - wandb_utils.py(25.35 KB)
  - loss.py(9.43 KB)
  - metrics.py(13.34 KB)
  - plots.py(20.02 KB)
  - torch_utils.py(13.14 KB)
  - ui
    - __init__.py(175 B)
    - ji.py(6.23 KB)
    - server_main.py(468 B)
    - train_server.py(32.27 KB)
    - x.py(3.02 KB)
- val.py(17.4 KB)
- window.py(19.87 KB)

在线预览已结束，请下载后查看完整版，加入VIP享文档下载特权

1、当您付费下载文档后，您只拥有了使用权限，并不意味着购买了版权，文档只能用于自身使用，不得用于其他商业用途（如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利）。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。
3、如文档内容存在违规，或者侵犯商业秘密、侵犯著作权等，请点击“违规举报”。

碎片内容

2022电子物联网毕设一套基于 YOLOv5机场疫情防控辅助系统的设计与实现(论文+程序源代码+数据）定稿.zip

您可能关注的文档

发表评论取消回复

专业设计 + 关注: 机构认证
内容提供者

该用户很懒，什么也没介绍

收藏店铺进入空间

2022电子物联网毕设一套基于 YOLOv5机场疫情防控辅助系统的设计与实现(论文+程序源代码+数据）定稿.zip原创优质

2022电子物联网毕设一套基于 YOLOv5机场疫情防控辅助系统的设计与实现(论文+程序源代码+数据）定稿.zip

您可能关注的文档

发表评论取消回复

相关文档

热门下载

相关标签

2022电子物联网毕设一套 基于 YOLOv5机场疫情防控辅助系统的设计与实现(论文+程序源代码+数据）定稿.zip原创优质

2022电子物联网毕设一套 基于 YOLOv5机场疫情防控辅助系统的设计与实现(论文+程序源代码+数据）定稿.zip

您可能关注的文档

发表评论取消回复

相关文档

热门下载

相关标签

2022电子物联网毕设一套基于 YOLOv5机场疫情防控辅助系统的设计与实现(论文+程序源代码+数据）定稿.zip原创优质

2022电子物联网毕设一套基于 YOLOv5机场疫情防控辅助系统的设计与实现(论文+程序源代码+数据）定稿.zip