这是基于yolo的视觉识别项目，开发语言使用的是C#。资料全部是源代码，完全可以正确运行，适合自己DIY一些小项目使用。

用LUNA16数据集每张CT图保存结节上下三张保存为jpg格式图片，根据Annotations生成xml标注文件，另外在肺实质图像上画出结节所在位置用于预测时对比

--Tensorflow+SSD+Yolo（目标检测）文章8.YOLO_v3训练过程 该资源是本篇文章的操作步骤以及参考帖子的截图，以防参考帖子失效。

服务器上的YOLO 此存储库包含在服务器即服务上运行检测算法的代码，并且具有我的方法的实时实现。 自由使用它:) 强烈建议启动并运行Tensorflow-gpu。 在目录内移动之后。 运行项目： 安装虚拟环境 pip install virtualenv 启动虚拟环境 virtualenv venv 激活virtualenv . venv/bin/activate 安装要求 pip install -r requirements.txt 下载并转换yolov3和yolov3-tiny的权重 wget https://pjreddie.com/media/files/yolov3.weights ./yad2k.py yolov3.cfg yolov3.weights yolo.h5 wget https://pjreddie.com/media/files/yol

yolo配置cfg文件和权重weights

本人介于做python潮水识别期间（已完成潮水识别）由于图片需要做预先的处理，因此在给定的图片素材中，需要截取识别框内的图片，由于图片中有多个识别框，因此，需要数量的不断叠加，事先定义一个整形变量tt，在每次执行一遍后让tt自动加1，从而完成不重复！ 上述第两张图由test开始，到tt=tt+1为实现截图的代码，代码复制如下： test=thickness box=(left+test,top+test,right-test,bottom-test) region=image.crop(box) r

猪（pig）目标检测数据集，yolo格式的，可以直接用来yolo系列的训练，不需要进行再次转化，直接修改相应的yaml配置文件，即可使用。

table-detect table detect(yolo) , table line(unet) （表格检测/表格单元格定位） links: models weights download and move to ./modes test table detect python table_detect.py test table ceil detect with unet python table_ceil.py train table line python train/train.py

Unity_Detection2AR 一种将对象定位合并到常规计算机视觉对象检测算法中的简单解决方案。 想法：没有太多的开源实时3D对象检测。 这是一个使用“更流行”的2D对象检测，然后使用几个特征点对其进行本地化的示例。 它使用最近发布的进行对象检测，并使用ARFoundation进行AR。 它可以在iOS和Android设备上使用。 目前支持微小的Yolo2和3。 要求 "com.unity.barracuda": "1.0.3", "com.unity.xr.arfoundation": "4.0.8", "com.unity.xr.arkit": "4.0.8", "com.unity.xr.arcore": "4.0.8" 用法 它是在Unity 2020.2.1中开发的，需要具有更新的AR包的产品就绪的梭子鱼。 梭子鱼的预览版似乎不稳定，可能无法正常工作。 在Unity

通过yolov5实现火焰、烟雾识别或者检测： 1.如果需要训练数据集，可在我的资源列表中查找 并下载 2.内附数据集转换demo，可实现将json转换为yolo需要的.txt格式 3.内附整个训练过程中需要修改的文件及步骤相关的详细教程 4.本项目存放了我已经训练好的权重，可以直接进行预测 5.如有其他需要，可直接与我联系 本项目适合刚入门目标检测的小白、学生和研究员，直接下载可用，保姆级教程，感觉好的话欢迎点赞支持昂！