摘要： 基于 YOLOv8 目标检测算法实现的森林火灾与烟雾智能检测系统，支持图片、视频、实时摄像头等多种输入方式的火灾与烟雾识别，并提供完整的模型训练、指标可视化与检测历史管理功能。 阅读全文

摘要： 本系统采用 YOLOv8 作为检测骨干网络，对 18 类手势进行识别。系统包含完整的训练流程与桌面端应用，支持用户登录、多源检测、结果导出及训练指标可视化。 阅读全文

摘要： 本项目基于 YOLOv11 深度学习模型实现人脸表情的智能识别，提供完整的训练流程与可视化桌面应用。系统支持图片、视频、摄像头三种识别方式，具备用户登录、历史记录、模型管理、指标可视化等功能。 阅读全文

摘要： 本项目以清华大学与腾讯联合发布的 TT100K 数据集为基础，采用 YOLOv8n 模型完成交通标志的训练与推理，并基于 PyQt6 开发了一套完整的桌面端可视化识别系统。整个开发流程涵盖数据集构建与处理、模型训练与调优、系统集成与功能开发三个核心阶段，可识别限速牌、禁止标志、指示标志、警告标志等共 45 种常见中国交通标志。 阅读全文

摘要： 本项目是一个基于深度学习的森林火灾检测系统，使用 YOLOv8 目标检测模型，能够准确识别图像和视频中的火灾和烟雾。系统提供友好的图形界面，支持用户登录注册、历史记录查询、训练指标可视化等功能。 阅读全文

摘要： 本项目为面向智能辅助驾驶的车道线检测/分割演示系统，基于 Ultralytics YOLOv8 (seg) 完成车道线分割，并提供 PyQt6 图形化界面（登录/注册、图片/视频/摄像头检测、历史记录）。 阅读全文

摘要： 本项目是一个基于深度学习的交通流量预测系统，使用RNN和LSTM两种深度学习模型对交通流量进行预测。系统能够处理VANET（车载自组织网络）轨迹数据，通过数据预处理、特征工程、模型训练等步骤，实现对交通流量的准确预测。 阅读全文

摘要： 本系统基于 YOLOv8 深度学习目标检测模型和 PyQt6 图形界面框架开发，是一款面向轴承表面缺陷智能识别的桌面应用。系统提供从模型训练、多源输入检测到结果可视化、历史追溯的完整功能链路，适用于工业质检辅助、课程设计、毕业设计答辩及算法学习场景。 阅读全文

摘要： 本项目面向道路交通场景中的行人与车辆目标检测任务，完成 YOLOv8 与 Faster R-CNN 两类检测模型的训练、评估、可视化对比，并集成 PyQt5 桌面端检测系统。系统支持图片检测、视频检测、摄像头实时检测、检测数量统计、历史记录保存以及 CSV / JSON 数据导出。 阅读全文

摘要： 本项目是一个面向钢材表面缺陷检测场景的深度学习应用系统，围绕 `YOLOv8` 完成了从数据集组织、模型训练、结果评估，到桌面端检测系统开发与功能集成的完整流程。项目以 `NEU-DET` 钢材表面缺陷数据集为基础，训练得到钢材缺陷检测模型，并基于 `PyQt6` 开发了可视化检测系统，支持图片识别、视频识别、摄像头实时识别、检测历史管理、模型参数管理和训练指标展示等功能。 阅读全文