整个压缩文件有源码+数据集+运行环境+训练出的模型，项目讲解可以看下载后中的ppt，数据集是kaggle提供的数据集以及自己用爬虫爬取的数据集，去除了大部分老重复的图，就是做了一定筛选，有2400+抽烟图片，并全部标注。

YOLOv4:kaggle的YOLOv4

detection_template 一个目标检测的通用框架（不需要cuda编译），支持Yolo全系列（v2〜v5），EfficientDet，RetinaNet，Cascade-RCNN等SOTA网络，Kaggle小麦检测12/2245。 功能性 数据格式 挥发性有机物 CSV文件 可可 网络模型 EfficientDet（当前不支持训练过程中验证） YoloV2，V3 YoloV4 YoloV5 SSD300，SSD512（目前只支持vgg主干，且不支持预训练模型） 更快的

对象检测 Kaggle： ：//www.kaggle.com/ultralytics/yolov5-ultralytics-COCO 128小 如何训练YOLOv4-tiny如果要训练闪电般快速且可以部署在边缘设备上的物体检测器，则可以在YOLOv4-tiny上对其进行训练。 我们在这里写了一篇不错的指南，介绍如何在自定义数据上训练和部署YOLOv4-tiny以检测自定义对象。 注意：YOLOv4-tiny是在Darknet框架而不是PyTorch中实现的。 如何训练YOLOv4-CSP