设计“行人识别及自动跟随”场景及实验方案，搭建测试场地，调研基于OpenCV的行人识别方法并编程实现，将算法部署至XQ4-Pro移动机器人平台，结合机器人操作系统，实现测试场景下的移动机器人行人识别及自动跟随

python基于transformer的车辆行人识别

https://github.com/frostinassiky/gtad ，自训练模型。

1、基于yolov5算法实现电动车头盔佩戴识别检测源码+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。 4、识别2个类别，分别是“头盔”和“人头” 【备注】有相关使用问题，可以私信留言跟博主沟通。

行人识别行人识别行人识别行人识别行人识别行人识别

步态新人识别代码，github：https://github.com/ZhouHanyu18/gaitRecognition

基于transformer的车辆行人识别。包含已经训练好的模型、训练代码、测试代码、数据集以及环境的配置情况。还有预测后的示例图，一个完整的项目打包。

1、YOLO车辆行人识别数据集 目标类别为person和car 共2个类别，5000多张行人车辆检测数据集，标签格式为txt和xml两种，分别保存在两个文件夹中 2、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743

1、yolov5车辆行人检测，包含yolov5s和yolov5m两种训练好的车辆行人检测权重，以及PR曲线，loss曲线等等，map达90% 多，在一万多张交通场景行人车辆数据集中训练得到的权重，有pyqt界面，目标类别为person和car 共2个类别，并附5000多张行人车辆检测数据集，标签格式为txt和xml两种，分别保存在两个文件夹中 2、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 3、采用pytrch框架，python代码

1、yolov3车辆行人检测，包含yolov3训练好的车辆行人检测权重以及PR曲线，loss曲线等等，map达90% 多，在一万多张交通场景行人车辆数据集中训练得到的权重，目标类别为person和car 共2个类别，并附5000多张行人车辆检测数据集，标签格式为txt和xml两种，分别保存在两个文件夹中 2、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 3、采用pytrch框架，python代码，可以和YOLOv5共用一个环境，配置好环境就可以加载已经训练好的模型直接进行测试，得出结果