专门给yolo模型标注的工具，比yolomark和labelimg好用，界面美观大方，压缩包有使用说明

yolov3中darknet网络的预训练模型，用于初始化网络权重，官网下载速度可能较慢，故在此贴出。对于资源或使用中有相关问题可在留言区留言。

本课程主要向大家讲解如何基于YOLO网络的精简版本tiny-yolo训练手势识别模型，从图片数据采集，图片标注，网络参数修改，模型训练，模型测试等，项目中用到的标注好的数据集和训练好的模型向购买课程的同学免费提供。 本人后续还会推出将手势识别模型，安全帽识别模型，openpose人体姿态识别模型等目标检测识别模型移植到华为海思3516DV300系列低成本的嵌入式板子上的相关课程，加速人工智能的落地应用，请感兴趣的同学关注后续课程，想合作或有什么问题也可以在csdn上给我发私信。

windows下安装cygwin，编译darknet时缺少的三个头文件，下载后复制到darknet下include文件夹内即可

darknet是一个较为轻型的完全基于C与CUDA的开源深度学习框架，其主要特点就是容易安装，没有任何依赖项（OpenCV都可以不用），移植性非常好，支持CPU与GPU两种计算方式。Darknet的优势： darknet完全由C语言实现，没有任何依赖项，当然可以使用OpenCV，但只是用其来显示图片、为了更好的可视化； darknet支持CPU（所以没有GPU也不用紧的）与GPU（CUDA/cuDNN，使用GPU当然更块更好了）； 正是因为其较为轻型，没有像TensorFlow那般强大的API，所以给我的感觉就是有另一种味道的灵活性，适合用来研究底层，可以更为方便的从底层对其进行改进与扩展

yolo v4 的代码-darknet-master-yolo-v4 推荐下载

YOLOv4 CrowdHuman 教程 这是一个演示如何使用和训练YOLOv4人检测器的。 目录 设置 如果您打算在上训练模型，您可以跳过本节并直接跳到上。 否则，要在本地运行训练，您需要有一台具有不错 GPU 的 x86_64 PC。 例如，我主要使用台式 PC 测试此存储库中的代码： NVIDIA GeForce RTX 2080 Ti Ubuntu 18.04.5 LTS (x86_64) CUDA 10.2 cuDNN 8.0.1 此外，您应该在本地 PC 上正确安装 OpenCV（包括 python3“cv2”模块），因为数据准备代码和“darknet”都需要它。 准备训练数据 对于在本地 PC 上的训练，我使用“608x608”yolov4 模型作为示例。 请注意，我在本教程中只使用了 python3（python2 可能不起作用）。 请按照以下步骤准备“ Cr

暗网接口 是Darknet的接口，使您可以在自己的程序（C，C ++，Python等）中使用Darknet检测器进行一些有趣的操作（例如在PC，Raspberry PI，Nvidia TX1中使用YOLO进行对象检测）等）），方法是与“ libdarknet.so”和“ libdetector.so”链接。 演示GIF 更新 2020.07.16 Yolo_v4可用。 接口功能说明 voiddetector_init（char * cfgfile，char * weightfile） 简介：通过加载特定的网络配置和预先训练的重量文件，将探测器启动到内存中。 param [in1]：网络配置文件的路径 param [in2]：网络预训练权重文件的路径 retval：无效 float * test_detector_file（char文件名，float脱粒，float hier_thres

Darknet2ncnn - 实现将 darknet 模型转换为ncnn模型，从而可以在移动设备上快速部署 darknet 模型。

自带upsample层的caffe包，适合进行darknet2caffe转换