0/199 3.14G 0.08299 0.01205 0 0.09504 27 640 0.1216 0.5082 0.1752 0.03651 0.05651 0.006962 0
1/199 3.3G 0.05734 0.009522 0 0.06687 33 640 0.04656 0.3327 0.03126 0.005977 0.0633 0.005924 0
2/199 3.3G 0.05326 0.008662 0 0.06192 34 640 0.1245 0.6751 0.2035 0.04465 0.04939 0.006771 0
3/199 3.3G 0.04755 0.008264 0 0.05582 24 640 0.1895 0.8002 0.4269 0.1281 0.04016 0.006235 0
4/199 3.3G 0.04704 0.007748 0 0.05479 34 640 0.1767 0.6596 0.2858 0.06241 0.04249 0.005322 0
5/199 3.3G 0.04545 0.007586 0 0.05304 19 640 0.1511 0.7042 0.3317 0.1007 0.03956 0.005499 0
6/199 3.3G 0.04223 0.007174 0 0.0494 40 640 0.2361 0.8691 0.5256 0.1962 0.03636 0.006036 0
7/199 3.3G 0.04193 0.007423 0 0.04935 31 640 0.3179 0.7488 0.4513 0.1383 0.03916 0.005496 0
8/199 3.3G 0.03903 0.006703 0 0.04573 33 640 0.3983 0.8001 0.5136 0.1959 0.03346 0.00516 0
9/199 3.3G 0.03828 0.006533 0 0.04481 31 640 0.3097 0.807 0.5099 0.2162 0.03362 0.005661 0
10/199 3.3G 0.03911 0.00628 0 0.04539 37 640 0.2586 0.8603 0.5424 0.2318 0.03317 0.005543 0
11/199 3.3G 0.0363 0.006251 0 0.04255 33 640 0.3802 0.871 0.582 0.2476 0.03315 0.005257 0
12/199 3.3G 0.03497 0.006031 0 0.041 31 640 0.2909 0.8914 0.5995 0.2681 0.03152 0.005308 0
13/199 3.3G 0.03473 0.005959 0 0.04069 18 640 0.4197 0.8477 0.5681 0.2157 0.03273 0.004904 0
14/199 3.3G 0.03483 0.005947 0 0.04078 24 640 0.2243 0.8109 0.5318 0.2072 0.03494 0.006166 0
15/199 3.3G 0.03407 0.005681 0 0.03975 23 640 0.2908 0.9127 0.6267 0.2709 0.03074 0.005231 0
16/199 3.3G 0.03361 0.005743 0 0.03935 47 640 0.3589 0.9011 0.6287 0.2612 0.02984 0.004787 0
17/199 3.3G 0.03325 0.005509 0 0.03876 56 640 0.5471 0.8535 0.5896 0.2932 0.02848 0.004711 0
18/199 3.3G 0.03303 0.00548 0 0.03851 38 640 0.399 0.8807 0.5855 0.2734 0.02931 0.00485 0
19/199 3.3G 0.032 0.005468 0 0.03746 23 640 0.4596 0.9166 0.6229 0.293 0.0292 0.00464 0
20/199 3.3G 0.03207 0.005396 0 0.03747 28 640 0.4796 0.9117 0.6288 0.2919 0.02847 0.004453 0
21/199 3.3G 0.03136 0.005258 0 0.03662 25 640 0.5134 0.904 0.6289 0.3136 0.02819 0.004323 0
22/199 3.3G 0.03201 0.005297 0 0.03731 23 640 0.4455 0.9331 0.65 0.3193 0.0282 0.00453 0
23/199 3.3G 0.03349 0.005269 0 0.03876 39 640 0.4176 0.9234 0.6848 0.3432 0.02798 0.00472 0
24/199 3.3G 0.03178 0.005227 0 0.03701 30 640 0.3774 0.9389 0.6698 0.3168 0.02873 0.004498 0
25/199 3.3G 0.03067 0.005209 0 0.03588 32 640 0.5274 0.9166 0.6733 0.3268 0.02768 0.004361 0
26/199 3.3G 0.03157 0.005122 0 0.03669 24 640 0.5367 0.9205 0.6783 0.3474 0.0269 0.004089 0
27/199 3.3G 0.03101 0.005176 0 0.03618 35 640 0.4685 0.934 0.6631 0.3293 0.0268 0.004298 0
28/199 3.3G 0.03076 0.005144 0 0.0359 33 640 0.5069 0.9146 0.6236 0.3132 0.02697 0.004365 0
29/199 3.3G 0.03023 0.005075 0 0.03531 27 640 0.563 0.9292 0.6856 0.3478 0.0268 0.004048 0
30/199 3.3G 0.03043 0.005 0 0.03543 35 640 0.4753 0.937 0.6912 0.3451 0.02714 0.004176 0
31/199 3.3G 0.03149 0.005149 0 0.03664 21 640 0.5241 0.9166 0.6683 0.3375 0.02735 0.004174 0
32/199 3.3G 0.03143 0.005049 0 0.03648 34 640 0.4785 0.9214 0.6803 0.3462 0.02655 0.0044 0
33/199 3.3G 0.03275 0.005079 0 0.03783 35 640 0.5461 0.9321 0.7398 0.3614 0.02756 0.004054 0
34/199 3.3G 0.03066 0.005042 0 0.0357 33 640 0.4108 0.934 0.7874 0.4087 0.02631 0.004289 0
35/199 3.3G 0.03043 0.004985 0 0.03542 23 640 0.4728 0.9302 0.7158 0.3437 0.02809 0.004243 0
36/199 3.3G 0.03085 0.005052 0 0.0359 25 640 0.5064 0.934 0.6968 0.3601 0.02662 0.004156 0
37/199 3.3G 0.03107 0.004962 0 0.03603 30 640 0.5471 0.9331 0.6631 0.3393 0.02687 0.004181 0
38/199 3.3G 0.0302 0.005068 0 0.03527 25 640 0.4498 0.9389 0.6631 0.3441 0.02677 0.004436 0
39/199 3.3G 0.03 0.004937 0 0.03494 44 640 0.482 0.9486 0.6834 0.3479 0.02686 0.004162 0
40/199 3.3G 0.02948 0.004944 0 0.03442 32 640 0.5321 0.9447 0.6776 0.3347 0.02733 0.003987 0
41/199 3.3G 0.03045 0.004915 0 0.03537 42 640 0.5403 0.9437 0.7115 0.3667 0.02659 0.004031 0
42/199 3.3G 0.02951 0.004863 0 0.03438 16 640 0.5904 0.9331 0.7245 0.3792 0.02647 0.003958 0
43/199 3.3G 0.02914 0.004947 0 0.03409 41 640 0.5578 0.9321 0.7147 0.3757 0.02657 0.004088 0
44/199 3.3G 0.02966 0.004966 0 0.03463 53 640 0.5185 0.9418 0.6943 0.3673 0.02632 0.004156 0
45/199 3.3G 0.03036 0.004946 0 0.0353 32 640 0.5043 0.9418 0.6966 0.3384 0.02681 0.004081 0
46/199 3.3G 0.03082 0.004859 0 0.03568 36 640 0.5462 0.9486 0.6883 0.3641 0.02597 0.003992 0
47/199 3.3G 0.03015 0.004798 0 0.03495 14 640 0.5384 0.9399 0.7446 0.3895 0.02604 0.003975 0
48/199 3.3G 0.03088 0.004872 0 0.03575 32 640 0.5463 0.9457 0.7038 0.3755 0.02633 0.003913 0
49/199 3.3G 0.02959 0.004856 0 0.03444 35 640 0.4036 0.9486 0.6878 0.3062 0.02923 0.004473 0
50/199 3.3G 0.02933 0.004777 0 0.03411 34 640 0.5923 0.9379 0.6666 0.3554 0.02578 0.004013 0
51/199 3.3G 0.02908 0.004767 0 0.03385 29 640 0.5629 0.9408 0.7229 0.3941 0.02611 0.003913 0
52/199 3.3G 0.02893 0.004808 0 0.03374 33 640 0.4954 0.9437 0.6713 0.355 0.02588 0.004237
没有合适的资源?快使用搜索试试~ 我知道了~
基于yolov5算法实现红外热成像人形识别检测源码+模型文件+评估指标曲线+使用说明.zip
共78个文件
pyc:23个
yaml:17个
py:17个
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
5星 · 超过95%的资源 1 下载量 32 浏览量
2022-11-29
11:57:42
上传
评论
收藏 41.29MB ZIP 举报
温馨提示
1、基于yolov5算法实现红外热成像人形识别检测源码+模型文件+评估指标曲线+使用说明。 2、附有训练、loss(损失值)下降曲线、Recall(召回率)曲线、precision(精确度)曲线、mAP等评估指标曲线 3、迭代200次,模型拟合较好。 【备注】有相关使用问题,可以私信留言跟博主沟通。
资源推荐
资源详情
资源评论
收起资源包目录
基于yolov5算法实现红外热成像人形识别检测源码+模型文件+评估指标曲线+使用说明.zip (78个子文件)
基于yolov5算法实现红外热成像人形识别检测源码+模型文件+评估指标曲线+使用说明
yolov5_code
models
common.py 7KB
yolo.py 12KB
hub
yolov3-spp.yaml 1KB
yolov5-fpn.yaml 1KB
yolov5-panet.yaml 1KB
yolov5s.yaml 1KB
__pycache__
experimental.cpython-36.pyc 7KB
common.cpython-38.pyc 9KB
yolo.cpython-36.pyc 10KB
__init__.cpython-38.pyc 147B
experimental.cpython-38.pyc 6KB
common.cpython-36.pyc 9KB
__init__.cpython-36.pyc 137B
yolo.cpython-38.pyc 10KB
__init__.py 0B
yolov5x.yaml 1KB
yolov5l.yaml 1KB
export.py 4KB
yolov5m.yaml 1KB
experimental.py 6KB
runs
evolve
opt.yaml 466B
hyp.yaml 356B
weights
sotabench.py 14KB
data
coco.yaml 2KB
hyp.scratch.yaml 2KB
hyp.finetune.yaml 846B
voc.yaml 735B
coco128.yaml 1KB
scripts
get_coco.sh 935B
get_voc.sh 4KB
onnx.py 413B
test.py 14KB
train.py 28KB
__pycache__
test.cpython-38.pyc 9KB
test.cpython-36.pyc 9KB
onnx.cpython-38.pyc 559B
detect.py 8KB
requirements.txt 569B
inference
images
1.jpg 34KB
output
1.jpg 75KB
weights
utils
__pycache__
activations.cpython-36.pyc 3KB
torch_utils.cpython-36.pyc 8KB
activations.cpython-38.pyc 3KB
general.cpython-38.pyc 41KB
google_utils.cpython-36.pyc 3KB
__init__.cpython-38.pyc 146B
torch_utils.cpython-38.pyc 9KB
datasets.cpython-36.pyc 27KB
datasets.cpython-38.pyc 27KB
google_utils.cpython-38.pyc 3KB
general.cpython-36.pyc 41KB
__init__.cpython-36.pyc 136B
general.py 53KB
datasets.py 38KB
evolve.sh 747B
activations.py 2KB
torch_utils.py 9KB
__init__.py 0B
google_app_engine
additional_requirements.txt 105B
Dockerfile 821B
app.yaml 173B
google_utils.py 5KB
yolov5s.pt 14.48MB
hubconf.py 4KB
exp_hongwai_person
opt.yaml 469B
results.png 207KB
test_batch0_pred.jpg 231KB
train_batch1.jpg 261KB
hyp.yaml 356B
labels.png 393KB
precision-recall_curve.png 40KB
test_batch0_gt.jpg 229KB
train_batch2.jpg 257KB
train_batch0.jpg 262KB
weights
best.pt 14.1MB
last.pt 14.1MB
results.txt 29KB
使用说明.txt 1KB
共 78 条
- 1
资源评论
- m0_711577052024-04-27感谢大佬分享的资源给了我灵感,果断支持!感谢分享~
Make程序设计
- 粉丝: 5623
- 资源: 3567
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功