前言：自从约瑟夫·雷德蒙（Joseph Redmon）提出了yolov3后，其暗网仓库已经获得了16k的星，说明了暗网的流行。该作者最新一次更新也是一年前了，没有继续维护。地更新darknet，在窗口中的窗口中添加了更多的darknet，并实现了多种SOTA目标检测算法。AlexeyAB同时库中提供了一份详细的建议，从编译，配置，涉及网络到测量指标等，一是应全。通过阅读和理解AlexeyAB的建议，可以为我们带来很多启发。这里是翻译了AlexeyAB的Darknet中的自述文件。你能看到最全的DarkNet代码注释，以及你会明白DarkNet是如何从你标注的数据获得最终的目标框的，你会学到DarkNet的数据结构方式，网络以及每个图层的前向传播和反向传播，以及YOLOV1，V2，V3，GaussianYOLO，TrideNet，CSPNet，PRN，EfficientNet等最SOTA的模

火车卷积神经网络-YOLO算法 在这个项目中，我将讨论YoloV3体系结构以及如何在自定义数据集上进行训练，我将逐步解释如何使用Darknet框架来实现它。 介绍 什么是物体检测？ 对象检测如何工作？ YOLO-您只看一次 YOLO v3。 网络架构 特征提取器 功能检测器 完整的网络架构 如何在自定义数据集上训练YOLOv3 资料准备 贴标 准备好文件进行培训 训练模型（Darknet框架） 使用自定义权重进行对象检测 介绍 什么是物体检测？ 对象检测是一种包含对象分类和对象本地化两个任务的技术。 它是经过训练可检测多种类别的对象的存在和位置的模型。 它可以用于静态图像，甚至可以实时用于视频。 来自图片 对象检测如何工作？ 对象检测找到对象并在其周围绘制一个边界框。 这是一种与计算机视觉和图像处理有关的计算机技术，用于自动驾驶汽车，面部识别，行人检测等。...最新的算法

YOLO_v3 训练自己数据集的文件主要格式和位置 ，主要自己使用，，

windows10一站式YOLOv2训练自己的数据集所需要的开发包

darknet_face_with_landmark 更新 torch版本： 借鉴AlexeyAB大神的 做适量修改，用于人脸检测以及关键点检测,支持ncnn推理 实现的功能 添加关键点检测分支，使用wing loss 添加 hswish,hsigmode 激活函数 Installation Clone and install git clone 使用scripts/retinaface2yololandmark.py脚本将retinaface的标记文件转为yolo的格式使用 其他编译训练都和原版darknet相同 测试 ./darknet detector test ./data/face.data ./cfg/mbv2_yolov3_face.cfg ./models/mbv2_yolov3_face_final.weights ./test_imgs/input/se

Darknet-C++实现YOLOv4.zip

包含cpu和gpu版本，支持opencv3 opencv2，有问题可以产看我自己写的教程

yolov4开源代码

darknet-yolov4相关文件.zip

Yolov4-deepsort头盔检测 使用DarknetYOLOv4模型训练的头盔（安全帽）检测器。 测试环境 Windows 10 x64 2020 (build 19041.388) NVIDIA RTX 2070 Super CUDA 10.1 / CuDNN 7.6.5 Python 3.7.7 x64 tensorflow 2.2.0 GPU 训练体重 将重量文件放在./configs 要使用自己的数据集进行训练，您应该使用 。 并需要更改一些参数 使用的数据集 +约100张图片 依存关系 Python opencv-python，numpy，scikit图像在图像上画框和文字 张量流2.2.0 使用DeepSORT模型跟踪对象 matplotlib 创建颜色图 CUDA 10.1 / CuDNN 7.6.5 暗网 用于yolov4对象检测 dark.dll,