Système de détection visuelle d'absence de plants basé sur YOLOv5 et Raspberry Pi 5
Ce projet présente une solution complète de détection d'objets sur le bord (edge AI), illustrant un pipeline technique de bout en bout allant de l'entraînement du modèle de deep learning à son déploiement sur un dispositif embarqué. Le système utilise YOLOv5 comme algorithme de détection principal, entraîné et déployé via le framework PyTorch, ...
Publié le 19 juillet à 07h41
Guide d'implémentation de YOLOv5 avec TensorRT et DeepStream sur Jetson Nano
Introduction
Les algorithmes de détection d'objets ont connu un essor considérable depuis l'introduction des algorithmes YOLO. Grâce aux recherches continues des développeurs du monde entier, ces algorithmes évoluent rapidement avec des performances toujours améliorées. Actuellement, ces méthodes offrent une excellente capacité de traitement en ...
Publié le 7 juillet à 21h24
Guide d'utilisation du projet open-source YOLOv5
Le projet YOLOv5, développé par Ultralytics, est une soultion avancée et performante pour la détection d'objets en temps réel. Basé sur le framework PyTorch, il vise à offrir une approche rapide, précise et facile à intégrer pour diverses tâches de vision par ordinateur, y compris la détection d'objets, la segmentation d'instances et la classif ...
Publié le 3 juillet à 02h57
Amélioration de YOLO pour la détection et le suivi de véhicules et piétons dans les scénarios de trafic
Amélioration de YOLO pour la détection et le suivi de véhicules et piétons
Les systèmes de transport intelligents jouent un rôle crucial dans les villes modernes, nécessitant une détection et un suivi précis des véhicules et piétons pour gérer la congestion et prévenir les accidents. Les méthodes traditionnelles basées sur des caractéristiques ...
Publié le 29 juin à 20h12
Guide d'Implémentation pour la Détection et Reconnaissance de Plaques d'Immatriculation Chinoises avec YOLOv5
Présentation du Système
Ce projet open source est conçu pour la détection efficace et la reconnaissance de plaques d'immatriculation chinoises, basé sur le framework YOLOv5. Il prend en charge plus de 12 types de plaques, y compris les plaques bleues à une ligne, les plaques jaunes, les plaques de véhicules à énergie nouvelle, et les plaques à ...
Publié le 11 juin à 01h24
Détection et reconnaissance de piétons et véhicules par apprentissage profond et YOLOv5
Contexte et signification
Avec l'urbanisation croissante, la surveillance du trafic et la prévention des accidents sont devenues essentielles. Les technologies de détection de piétons et véhicules jouent un rôle clé dans les systèmes de transport intelligents. L'utilisation de l'apprentissage profond a permis d'améliorer significativement la pr ...
Publié le 4 juin à 01h42