基于 YOLOv11 的文本表格检测系统，属于那种用起来会让人忍不住点个赞的项目。图像预做得蛮细，尤其是文字和表格的分离部分，得比较精准。支持图像变形增强，训练效果挺稳定，对实际业务挺友好，适合直接拿去集成或者二次开发。 模块化设计的结构蛮灵活，不想全用也可以拆开用某一部分。UI 用现代技术堆的，响
Python 0 次浏览
yolo_localCam_inflask-yolov11 是一个挺实用的项目，主要用来结合 **YOLOv11** 模型和 **Flask** 构建本地的摄像头检测服务。你可以通过它在本地进行对象检测，并且把 YOLOv11 的强大性能带到网页应用中。模型的集成比较直接，Flask 的后端也简洁，
Python 0 次浏览
如果你在做基于 YOLO 的目标检测，想要有个简单又直观的操作界面，基于 Pyside6 的图形化界面工具可以帮你省去多麻烦。YOLOv5、YOLOv7、YOLOv8，甚至是 YOLOv9 都能方便地集成进来。你只需要一些基本配置，就能在图形界面上直接进行模型的训练、推理和优化。尤其适合那些想避免繁
Python 0 次浏览
已训练好的yolov5反光衣模型，下载可立即使用。训练数据集是30W张，已投入使用2年
Python 20 次浏览
本代码使用yolov3或darknet网络进行训练和测试，运行前须了解数据集构造方式。
Python 27 次浏览
YOLOv4 框架结合 CNN 和 LSTM 构建的网络安全入侵检测模型，听起来挺酷的吧？这个模型能在网络安全领域内高效捕捉网络攻击。YOLOv4，作为目标检测领域的领先技术，通过优化增强了检测准确度和效率。结合 CNN 的图像能力和 LSTM 的时序，这个模型能更精准地识别异常网络行为。别看这组合
C 0 次浏览
yolov3 的目标检测能力挺强，尤其在实时性这块表现还不错。用的是轻量的Darknet架构，训练速度快，部署也方便，适合做嵌入式项目或者边缘设备部署。 你要是平时玩图像识别或者搞过PyTorch/TensorFlow，上手也蛮快。代码结构清晰，训练配置直接改.cfg文件就行，嗯，响应也挺灵活。 我
Nodejs 0 次浏览