基于YOLOV5的WEB端目标检测
TIP! Right-click and select "Save link as..." to download.
| VIDEOS | |||
| MP4 | N/A | 480P | Download |
| MP4 | N/A | 360P | Download |
| AUDIO | |||
| MP4 | N/A | mp4a.40.2 | Download |
| MP4 | N/A | mp4a.40.5 | Download |
| MP4 | N/A | mp4a.40.2 | Download |
| THUMBNAILS | |||
|
JPEG | Origin Image | Download |
录屏没录到选择文件窗口，显得有点怪，摄像头功能正常，只是我挡住了（物理）
核心功能，1-自动监测摄像头人流量，2-手动上传图片检测，3-存读监测数据
前端采用VUE框架向后端传输数据
后端采用FLASK框架连接YOLO模块及数据库
前后端分离，耦合度低，方便修改
模型自己训练，数据集6000张图片，精度mAP0.5为0.78
经测试，泛化效果较好
也可以直接使用官方模型
开源项目地址：https://github.com/Dovahkiin-Ming/Personnel-Flow-Monitoring-System-based-on-YoloV5
欢迎二次开发
有任何疑问或技术交流请评论区留言或私信
主要参考
ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite (github.com)
liuxiaoxiao666/Yolov5-Flask-VUE: 基于Flask开发后端、VUE开发前端框架，在WEB端部署YOLOv5目标检测模型 (github.com)
KananVyas/person_car_detection_yolov5: Person and Car Detector (github.com)
核心功能，1-自动监测摄像头人流量，2-手动上传图片检测，3-存读监测数据
前端采用VUE框架向后端传输数据
后端采用FLASK框架连接YOLO模块及数据库
前后端分离，耦合度低，方便修改
模型自己训练，数据集6000张图片，精度mAP0.5为0.78
经测试，泛化效果较好
也可以直接使用官方模型
开源项目地址：https://github.com/Dovahkiin-Ming/Personnel-Flow-Monitoring-System-based-on-YoloV5
欢迎二次开发
有任何疑问或技术交流请评论区留言或私信
主要参考
ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite (github.com)
liuxiaoxiao666/Yolov5-Flask-VUE: 基于Flask开发后端、VUE开发前端框架，在WEB端部署YOLOv5目标检测模型 (github.com)
KananVyas/person_car_detection_yolov5: Person and Car Detector (github.com)
Supported Sites
