注意：此内容是为发论文或者发专利以及著作权的同学提供的idea和实现代码，购买它您可以迅速达到一个毕业要求或者获得一个评优评先资格。

在YOLOv5的目标检测算法中我们认为它是一个多标签的模型，因为它支持一种到无穷多种物体的标注和识别，但是这是说的单图多类别，当我们深入到一些项目的时候会发现，我们所说的多标签的意思是：单框多标签 也就是，我给你一张图，其中一个框检测出来了它是一个杯子，同时我们希望它告诉我们是什么颜色的杯子。

在YOLOv5的原始代码中，它的实现是基于一种one-hot的思想去做的，是不可能实现单框多标签分类任务的。为此我们提出了一种新的思路以达到这种效果，为此我们建立了一个基准数据集去训练和测试我们的模型，事实上它们的效果表现是非常合理的，为此我们愿意将该idea和实现代码进行出售（注意：我们不会使用它去发表任何公开的论文或者文章，而且我们保证该idea和实现代码只售出一份 希望帮助一个同学去评优评先甚至是一篇水区的论文）。

我们创建的基准数据集是：数字1-3以及对应它们的数字。

迭代150次训练的效果。

train_batch

识别效果：数字1且为红色（这是仅仅是标签遮挡了，后期可以处理）

识别效果：数字2且为红色