这是我参与11月更文挑战的第18天，活动详情查看：2021最后一次更文挑战 环境 google colab YOLOv5 colab是什么 colab 是 google 提供的一个 jupyter n

前段时间刷短视频看到过别人用摄像头自动化监控员工上班状态，比如标注员工是不是离开了工位，在位置上是不是摸鱼。虽然是段子，但是这个是可以用识别技术实现一下，于是我在网上找，知道发现了 SlowFast

在计算机视觉领域，目标检测一直是一个重要的研究方向。YOLO（You Only Look Once）系列算法，作为其中的佼佼者，以其高速和高效的特点，广泛应用于实时目标检测、自动驾驶、视频监控等领域。

欢迎Star、试用One-YOLOv5： https://github.com/Oneflow-Inc/one-yolov5

软硬件环境 yolov5 ncnn android studio 4.1.2 oneplus 8 pytorch 1.6 onnx netron 前言 前面几篇文章，我们已经详细介绍过yolov5的检

数据集构建 一、数据集构建 数据准备 1、图片类型数据 无需额外处理，直接可以进行标注 2、视频类型数据 进行抽帧处理，导出为图片 二、labelImg数据集标注 对视频进行抽帧处理 生成一张BGR格

讨论背景 书接上文，介绍了一个简单的AI智能条码识别系统的初步架构以及实现。其中自主模型训练这部分比较简略带过，应掘友的要求，再次做个明细补充和介绍。 上文：《基于YOLO实现一个智能条码识别》

本文将讲解如何使用 YOLO 训练模型，并将训练好的模型转化为 Core ML 模型，然后在 iOS 项目中使用。

YOLO 是 Joseph Redmon 等人于 2015 年提出的基于单个神经网络的目标检测算法。YOLO 的全称是 You Only Look Once，正是其自身特点的高度概括。