这个项目的主要目标是检测新型宠物（法文：Nouveaux animaux de compagnie。这里其实可以替换成各种物体）的状态并远程查看相关数据。虽然只有5个学分且专业不相关，但也挺好，总比体验极差的其他课（有限元）好玩一点。
可以通过下方链接访问线上版本的 NAC Web App，按照页面中的说明进行操作（只有法语版本）：
项目目标
项目使用目标检测算法（YOLOv4）训练经过标注之后的 NAC 数据集，使用 Google Colab 进行训练。使用 Python 和 OpenCV 结合 YOLOv4 检测 NAC 的活动状态，使用了 Google Firebase 进行数据的储存，用户可以通过 Web App（使用 React.js 制作）获取 NAC 活动状态的数据和画面。
使用指南
开发指南
视频教程
文章教程
- 目标检测用 YOLO：制作自己的数据集（观赏鱼）并使用 Darknet YOLOv4 在线训练
- 更简单一点！PySimpleGUI 快速创建 YOLO 目标检测的界面
- Firebase 的数据传输和用户验证：以 Python 和 JavaScript 为例
相关链接
可以通过下方链接访问线上版本的 NAC Web App，按照页面中的说明进行操作（只有法语版本）：
开发者可以通过下列网址寻找到本项目的源代码：
- NAC 桌面端 Python GUI：基于 PySimpleGUI openCV YOLO Deep Learning 修改。
- NAC React Web App：基于 Material UI。
- 项目中的相关文件、数据集、训练后的权重文件等可以通过下列网址获取：谷歌网盘或者是百度网盘（提取码见公众号
小栋STEM，直接回复目标检测即可。）