0/199 2.14G 0.1047 0.05801 0.02768 0.1904 23 640 0.04377 0.533 0.1467 0.03364 0.08168 0.05716 0.02367
1/199 3.53G 0.07511 0.05286 0.01836 0.1463 20 640 0.08106 0.7831 0.2662 0.09137 0.07485 0.03636 0.01244
2/199 3.53G 0.06828 0.04833 0.01087 0.1275 21 640 0.1349 0.7631 0.3484 0.1203 0.06645 0.0328 0.01068
3/199 3.53G 0.06326 0.0468 0.009363 0.1194 8 640 0.1918 0.735 0.4039 0.1376 0.0603 0.03268 0.01142
4/199 3.53G 0.06003 0.04648 0.007964 0.1145 13 640 0.1884 0.727 0.4032 0.1324 0.0615 0.03198 0.01024
5/199 3.53G 0.05664 0.04688 0.007146 0.1107 14 640 0.18 0.7239 0.3928 0.1451 0.06078 0.03218 0.01514
6/199 3.53G 0.05423 0.0449 0.006752 0.1059 3 640 0.2437 0.7407 0.5039 0.2163 0.05456 0.03212 0.01194
7/199 3.53G 0.0518 0.04541 0.006399 0.1036 1 640 0.1904 0.7562 0.4302 0.1774 0.05467 0.03339 0.01055
8/199 3.53G 0.05004 0.04633 0.006529 0.1029 17 640 0.2413 0.7447 0.5106 0.2556 0.04875 0.03338 0.01562
9/199 3.53G 0.04997 0.04795 0.006465 0.1044 32 640 0.2381 0.7466 0.5441 0.2232 0.05023 0.03443 0.01242
10/199 3.53G 0.04879 0.04759 0.007385 0.1038 34 640 0.3036 0.7003 0.5448 0.2505 0.05021 0.03434 0.0116
11/199 3.53G 0.04805 0.0457 0.006062 0.09982 11 640 0.2783 0.7427 0.5978 0.2919 0.04839 0.03494 0.01229
12/199 3.53G 0.04744 0.04604 0.006965 0.1004 4 640 0.2769 0.7037 0.5328 0.2454 0.05048 0.0362 0.01677
13/199 3.53G 0.04641 0.04656 0.006648 0.09962 16 640 0.3106 0.6919 0.5387 0.2544 0.04922 0.03744 0.02068
14/199 3.53G 0.04657 0.04791 0.006567 0.101 29 640 0.2525 0.601 0.5 0.2585 0.04844 0.04118 0.02451
15/199 3.53G 0.04506 0.04625 0.007353 0.09866 5 640 0.3509 0.6579 0.5205 0.2514 0.04767 0.03765 0.02448
16/199 3.53G 0.04536 0.04748 0.006883 0.09972 9 640 0.2894 0.6993 0.5377 0.2663 0.04745 0.03829 0.01767
17/199 3.53G 0.04535 0.04771 0.006602 0.09966 10 640 0.2269 0.715 0.5421 0.2997 0.0443 0.04002 0.01232
18/199 3.53G 0.04532 0.04778 0.006854 0.09995 2 640 0.2489 0.6988 0.5235 0.2593 0.04476 0.03913 0.0146
19/199 3.53G 0.04436 0.04755 0.007705 0.09961 3 640 0.2746 0.7068 0.5943 0.2805 0.04719 0.03808 0.009948
20/199 3.53G 0.04474 0.04814 0.006882 0.09976 8 640 0.2859 0.6556 0.5299 0.2702 0.04576 0.0381 0.01755
21/199 3.53G 0.04361 0.04642 0.006781 0.09681 2 640 0.2977 0.7465 0.6201 0.3415 0.04421 0.03586 0.008866
22/199 3.53G 0.04363 0.04807 0.005937 0.09763 24 640 0.3218 0.7602 0.6392 0.3586 0.04297 0.03582 0.008848
23/199 3.53G 0.04281 0.04717 0.005899 0.09588 21 640 0.4233 0.6271 0.5669 0.3208 0.04612 0.03647 0.01932
24/199 3.53G 0.04219 0.04656 0.005556 0.0943 6 640 0.4739 0.6755 0.6192 0.3282 0.0448 0.03719 0.008492
25/199 3.53G 0.0423 0.04616 0.005527 0.09399 12 640 0.2756 0.7792 0.6473 0.3637 0.04086 0.03543 0.009096
26/199 3.53G 0.04239 0.0458 0.005517 0.09371 14 640 0.3959 0.6867 0.5922 0.342 0.04193 0.03553 0.01788
27/199 3.53G 0.04178 0.04562 0.005008 0.09241 8 640 0.3632 0.7207 0.6226 0.3512 0.04135 0.03817 0.01615
28/199 3.53G 0.04247 0.04671 0.00524 0.09442 24 640 0.3752 0.7625 0.6414 0.3759 0.04057 0.03463 0.009757
29/199 3.53G 0.04007 0.04397 0.004782 0.08882 0 640 0.4366 0.6489 0.595 0.3379 0.04314 0.03566 0.02277
30/199 3.53G 0.04134 0.04553 0.004192 0.09106 20 640 0.3244 0.7763 0.6482 0.3841 0.03919 0.03497 0.00802
31/199 3.53G 0.04101 0.04413 0.006284 0.09142 3 640 0.3988 0.7204 0.6232 0.374 0.04055 0.03517 0.0096
32/199 3.53G 0.04032 0.04331 0.004863 0.08849 4 640 0.3452 0.7138 0.6124 0.3566 0.04086 0.03616 0.01912
33/199 3.53G 0.04092 0.04426 0.004059 0.08924 13 640 0.4265 0.7177 0.6403 0.3794 0.04005 0.03612 0.01356
34/199 3.53G 0.04045 0.04478 0.003975 0.08921 9 640 0.3902 0.7373 0.647 0.3988 0.03852 0.03407 0.01369
35/199 3.53G 0.04056 0.04482 0.00408 0.08946 17 640 0.4052 0.7235 0.6297 0.3751 0.04051 0.03476 0.008706
36/199 3.53G 0.03957 0.04338 0.004363 0.08731 4 640 0.4074 0.7347 0.6607 0.3977 0.04054 0.03515 0.01088
37/199 3.53G 0.03993 0.04339 0.004358 0.08767 10 640 0.3795 0.7566 0.6762 0.4066 0.0394 0.03501 0.01004
38/199 3.53G 0.03991 0.04353 0.004368 0.08781 19 640 0.4128 0.7817 0.7008 0.4246 0.03819 0.03331 0.006358
39/199 3.53G 0.03954 0.04288 0.003712 0.08613 9 640 0.3636 0.6683 0.5843 0.35 0.04054 0.03913 0.01519
40/199 3.53G 0.03925 0.04178 0.004292 0.08533 1 640 0.4583 0.6843 0.6279 0.3703 0.03948 0.03483 0.02014
41/199 3.53G 0.04008 0.04366 0.003374 0.08711 12 640 0.431 0.7749 0.6896 0.4063 0.03838 0.03341 0.008042
42/199 3.53G 0.03914 0.0431 0.00416 0.0864 4 640 0.3903 0.7696 0.6711 0.3924 0.03875 0.03455 0.007384
43/199 3.53G 0.03949 0.04411 0.003728 0.08733 41 640 0.3646 0.754 0.6515 0.3796 0.04005 0.03532 0.009783
44/199 3.53G 0.03931 0.04361 0.00336 0.08627 28 640 0.3508 0.7866 0.6757 0.4028 0.03792 0.03405 0.01257
45/199 3.53G 0.03841 0.0419 0.003789 0.0841 10 640 0.48 0.7488 0.6833 0.4198 0.03857 0.0348 0.0102
46/199 3.53G 0.03805 0.0422 0.003112 0.08335 2 640 0.4496 0.753 0.6856 0.4313 0.03791 0.0338 0.007764
47/199 3.53G 0.03807 0.04275 0.004336 0.08516 16 640 0.452 0.7372 0.6802 0.4209 0.03924 0.0349 0.01227
48/199 3.53G 0.03845 0.0418 0.003015 0.08327 23 640 0.3965 0.7631 0.6832 0.416 0.03834 0.03276 0.01196
49/199 3.53G 0.03839 0.042 0.003407 0.08379 17 640 0.4056 0.7619 0.6854 0.4286 0.03711 0.03403 0.009443
50/199 3.53G 0.03804 0.04146 0.003123 0.08262 2 640 0.4693 0.7495 0.689 0.4365 0.03745 0.03373 0.007792
51/199 3.53G 0.0381 0.04515 0.0031 0.08635 31 640 0.433 0.7712 0.6962 0.4322 0.03712 0.03282 0.007359
52/199 3.53G 0.03766 0.04336 0.00376 0.08478 11 640 0.3997 0.765 0.6889 0.4284 0.03808 0.03353 0.00985
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
智慧牧场基于yolov5的牛羊群识别检测项目源码(带GUI界面)+训练好的模型+数据集+评估指标曲线+操作使用说明.zip 牛羊识别检测源码,类别【“牛”、“羊”】带GUI界面,带数据集,带训练好的模型,带评估指标曲线,带项目操作说明。 pytorch深度学习框架 【备注】主要针对正在做毕设的同学和需要项目实战的深度学习cv图像识别模式识别方向学习者。 也可作为课程设计、期末大作业。包含:项目源码、训练好的模型、项目操作说明等,该项目可直接作为毕设使用。 也可以用来学习、参考、借鉴。如果基础不错,在此代码上做修改,训练其他模型。 【特别强调】 1、csdn上资源保证是完整最新,会不定期更新优化; 2、请用自己的账号在csdn官网下载,若通过第三方代下,博主不对您下载的资源作任何保证,且不提供任何形式的技术支持和答疑!!!
资源推荐
资源详情
资源评论
收起资源包目录
智慧牧场基于yolov5的牛羊群识别检测项目源码(带GUI界面)+训练好的模型+数据集+评估指标曲线+操作使用说明.zip (130个子文件)
Dockerfile 821B
.gitignore 50B
PyQt5-YOLOV5-Target-Detection-main.iml 495B
img0.jfif 116KB
bus.jpg 476KB
prediction.jpg 396KB
train_batch1.jpg 364KB
train_batch0.jpg 348KB
train_batch2.jpg 344KB
test_batch0_pred.jpg 282KB
test_batch0_gt.jpg 276KB
zidane.jpg 165KB
photo4.jpg 15KB
gesture-ok-2021-03-07_23-07-50-4_9742.jpg 8KB
photo.jpg 7KB
gesture-fist-2021-03-07_23-07-49-3_36265.jpg 5KB
five.jpg 4KB
test.mp4 2.77MB
labels_correlogram.png 1.02MB
labels.png 541KB
results.png 273KB
precision-recall_curve.png 62KB
last.pt 14.09MB
best.pt 14.09MB
datasets.py 44KB
yolov5 version2.0.py 43KB
yolov5 version1.0.py 43KB
train.py 33KB
general.py 25KB
plots.py 18KB
test.py 17KB
common.py 16KB
wandb_utils.py 16KB
main_gui.py 16KB
torch_utils.py 12KB
yolo.py 12KB
loss.py 9KB
metrics.py 9KB
detect.py 8KB
autoanchor.py 7KB
hubconf.py 5KB
experimental.py 5KB
google_utils.py 5KB
export.py 4KB
test detect.py 3KB
activations.py 2KB
resume.py 1KB
log_dataset.py 819B
__init__.py 0B
__init__.py 0B
__init__.py 0B
__init__.py 0B
datasets.cpython-36.pyc 33KB
datasets.cpython-37.pyc 33KB
datasets.cpython-38.pyc 33KB
general.cpython-38.pyc 20KB
general.cpython-36.pyc 20KB
general.cpython-37.pyc 20KB
common.cpython-36.pyc 18KB
common.cpython-37.pyc 18KB
common.cpython-38.pyc 18KB
plots.cpython-36.pyc 16KB
plots.cpython-37.pyc 16KB
plots.cpython-38.pyc 16KB
torch_utils.cpython-38.pyc 11KB
torch_utils.cpython-36.pyc 11KB
torch_utils.cpython-37.pyc 11KB
yolo.cpython-36.pyc 10KB
yolo.cpython-38.pyc 10KB
yolo.cpython-37.pyc 10KB
metrics.cpython-37.pyc 7KB
metrics.cpython-36.pyc 7KB
metrics.cpython-38.pyc 7KB
autoanchor.cpython-36.pyc 6KB
autoanchor.cpython-37.pyc 6KB
autoanchor.cpython-38.pyc 6KB
experimental.cpython-36.pyc 6KB
experimental.cpython-37.pyc 6KB
experimental.cpython-38.pyc 6KB
google_utils.cpython-38.pyc 3KB
google_utils.cpython-37.pyc 3KB
google_utils.cpython-36.pyc 3KB
__init__.cpython-38.pyc 158B
__init__.cpython-38.pyc 157B
__init__.cpython-37.pyc 141B
__init__.cpython-37.pyc 140B
__init__.cpython-36.pyc 128B
__init__.cpython-36.pyc 127B
get_voc.sh 4KB
get_argoverse_hd.sh 2KB
userdata.sh 1KB
get_coco.sh 963B
mime.sh 780B
results.txt 29KB
操作使用说明.txt 1KB
requirements.txt 707B
additional_requirements.txt 105B
workspace.xml 5KB
Project_Default.xml 1KB
modules.xml 327B
共 130 条
- 1
- 2
资源评论
- gdjsvhdnhnu2024-11-24这个资源值得下载,资源内容详细全面,与描述一致,受益匪浅。
- m0_750287012024-01-25资源有一定的参考价值,与资源描述一致,很实用,能够借鉴的部分挺多的,值得下载。
- X-X2023-09-08资源有一定的参考价值,与资源描述一致,很实用,能够借鉴的部分挺多的,值得下载。
- hjijingzijimogon2023-04-27资源和描述一致,质量不错,解决了我的问题,感谢资源主。onnx2023-07-06感谢支持!
onnx
- 粉丝: 9972
- 资源: 5626
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
最新资源
- Delphi 12 控件之FlashAV FFMPEG VCL Player For Delphi v7.0 for D10-D11 Full Source.7z
- Delphi 12 控件之DevExpressVCLProducts-24.2.3.exe.zip
- Mysql配置文件优化内容 my.cnf
- 中国地级市CO2排放数据(2000-2023年).zip
- smart200光栅报警程序
- 企业信息部门2024年终工作总结与2025规划方案
- 串口AT命令发送工具,集成5G模组常用At命令
- 通过python实现归并排序示例代码.zip
- 复旦大学张奇:2023年大规模语言模型中的多语言对齐与知识分区研究
- 通过python实现一个堆排序示例代码.zip
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
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