准备Yolo数据集的时候，使用工具标注出来坐标可能是归一化之后的坐标，如果想要得到图片上的原始坐标则需要通过公式转化，下面我详细分析一下图片原始坐标和归一化坐标之间的关系，之后不论需要哪种坐标都能很轻松的转换。 定义原始图片中： 宽高为（w，h）    bounding box（xmin，ymin，xmax，ymax）为左上角和右下角两个点的坐标 归一化后图片中： 宽高为（w1，h1）   中心点坐标（x，y） 有如下归一化公式：                             根据上述公式联立解方程即可反推出归一化之前的数值：                           x

跌倒检测数据集，收集包含1400+跌倒人群图片，可直接用于训练跌倒检测

深度学习 目标检测 YOLO网络车辆识别检测，已经标注好了的电动车和自行车的数据集，可以直接用于训练。

yolov5从0搭建训练环境详细指导，最后集成web服务接口，含4G打好标签的训练数据。

介绍 一种转换工具，可将YOLO v3暗网权重转换为TF Lite模型（YOLO v3 PyTorch> ONNX> TensorFlow> TF Lite）和TensorRT模型（dynamic_axes分支）。 先决条件 python3 torch==1.3.1 torchvision==0.4.2 onnx==1.6.0 onnx-tf==1.5.0 onnxruntime-gpu==1.0.0 tensorflow-gpu==1.15.0 码头工人 docker pull zldrobit/onnx:10.0-cudnn7-devel 用法 1.下载预训练的Darknet权重： cd weights wget https://pjreddie.com/media/files/yolov3.weights 2.将YOLO v3模型从Darknet权重转换为ONNX模

yolo

YOLO-complex预训练模型complex-yolov3，complex-yolov4

caffe运行yolo-tiny记录-附件资源

yoloV5预训练模型，官方给的是谷歌网盘下载地址，下载速度较慢，压缩包包含yolov5m.pt，yolov5s.pt

本程序可以对影像增强的同时，对keypoint, bounding box进行相应的变换。