[TEMPLATE] - Object Detection with YOLO - DataScience

### What domain will the project template be based on?

Data Science

### If 'Others', please specify the preferred domain.

_No response_

### Particular directory path for the template.

`templates/Data-Science/Deep-Learning/ObjectDetectionYOLO/`

### What tech stacks do you want to include?

Python, OpenCV, TensorFlow

### Brief Description

This project template implements the YOLO algorithm for real-time object detection focused on detecting ambulances and other vehicles in traffic scenarios.


References : [COCO Dataset](https://cocodataset.org/), [Open Images Dataset](https://storage.googleapis.com/openimages/web/index.html), [Cityscapes Dataset](https://www.cityscapes-dataset.com/), [KITTI Dataset](http://www.cvlibs.net/datasets/kitti/), [Berkeley DeepDrive Dataset](https://bdd-data.berkeley.edu/)


**Note :** A Jupyter notebook in form of a collab notebook should be linked in the README.md, and a user-friendly UI should be built using Flask or Streamlit.

### 👀 Have you spent some time checking if this issue has been raised before?

- [X] Yes
- [ ] No

### 🏢 Have you read the Code of Conduct?

- [X] I have read the [Code of Conduct](https://github.com/Abhishek-Mallick/universal-box/blob/main/.github/CODE_OF_CONDUCT.md)

### Would you like to work on this issue?

No

Le modèle doit être créé dans le répertoire `templates/Data-Science/Deep-Learning/ObjectDetectionYOLO/`. Commencez par examiner les modèles existants dans le dépôt afin d’en comprendre la structure. L’implémentation nécessite d’intégrer YOLO avec Python, OpenCV et TensorFlow, et de fournir un notebook Jupyter ainsi qu’une UI utilisant Flask ou Streamlit. Consultez les jeux de données référencés (COCO, Open Images, Cityscapes, KITTI, Berkeley DeepDrive) pour la source des données. Le README.md doit contenir un lien vers un collab notebook.

Rédigé par le modèle d'indexation à partir du texte de l'issue.