tensorflow视频目标检测 在官方tensorflow object detection api的基础上 削减繁杂多余的代码 实现摄像头实时读取 与识别物体 。下载本代码 需要选择模型pb文件与pbtxt文件 建议选择ssd模型 此外因电脑配置原因，识别较慢的童鞋可以选择跳帧读取。。

数据集包含标记的水果图像以训练目标检测系统。用于对象检测的其他数据集。火车文件夹中的240张图像。测试文件夹中有60张图像。 Fruit Images for Object Detection_datasets.txt Fruit Images for Object Detection_test_zip_datasets.zip Fruit Images for Object Detection_train_zip_datasets.zip

NanoDet 超快速，轻量的无锚物体检测模型。 在移动设备上实时。 :high_voltage: 超轻量级：模型文件只有1.8 MB。 :high_voltage: 超快：移动ARM CPU上97fps（10.23ms）。 :smiling_face_with_sunglasses: 易于培训：GPU内存成本比其他型号低得多。 GTX1060 6G上可使用批处理大小= 80。 :smiling_face_with_sunglasses: 易于部署：基于ncnn推理框架提供C ++实现和Android演示。 消息！！！ [2021.03.12]将变压器编码器应用于NanoDet！ 引入NanoDet-t ，用TAN（变压器关注网络）替代NanoDet-m中的PAN，在COCO val 2017上获得21.7 mAP（+1.1）。有关更多详细信息，请检查 。 [2021.03.03]更新了Nanodet-m-416 COCO预训练模型。 可可mAP（0.5：0.95）= 23.5 。 在下载。 [2021.02.03]支持和主干。 请检查。

请注意，这个只是 种子地址，需要自己下载。PASCAL 3D+ 是一个 3D 物体检测和姿态识别数据集，包括 PASCAL VOC 2012 中 12 个类别物体的 3D 标注，平均每个类别中包含 3000 个实例。 该数据集由斯坦福大学于 2014 年发布，相关论文有《Beyond PASCAL: A Benchmark for 3D Object Detection in the Wild》

深度学习-物体检测-YOLO系列，完整版11章，附源码+课件+数据，2020年最新录制；整体风格通俗易懂，原理+实战实战 章节1 深度学习经典检测方法概述 章节2 YOLO-V1整体思想与网络架构 章节3 YOLO-V2改进细节详解 章节4 YOLO-V3核心网络模型 章节5 项目实战-基于V3版本进行源码解读 章节6 基于YOLO-V3训练自己的数据与任务 章节7 YOLO-V4版本算法解读 章节8 V5版本项目配置 章节9 V5版本项目工程源码解读 章节10 基础补充-迁移学习与Resnet网络架构 章节11 基础补充-物体检测FasterRcnn系列

物体检测实战课程旨在帮助同学们快速掌握当下计算机视觉领域主流检测算法及其实例应用。所有算法均选自实际企业项目中常用架构，通俗讲解算法原理并结合论文进行实例分析。实战部分详细解读源码中各核心模块实现方法，带领小伙伴们从源码角度掌握算法实现全部流程及其配置与应用方法，提供全部数据集与所需代码！

PyTorch-YOLOv3-master物体检测

标识出摄像头视频中的移动的物体，光影效果好的时候效果较好，摄像头不能乱动。

基于matlab的火焰检测，效果还是不错，下载解压后可以直接运行，对于入门物体检测的伙伴非常有帮助。

深度学习-物体检测-YOLO系列视频教程，2020最新课程，课程主要包括两大核心模块： 1、YOLO系列算法精讲，详细解读3篇论文核心知识点与整体网络架构并对其效果展开深入分析，通俗讲解YOLO架构实现原理与效果提升细节 2、YOLO-V3项目实战，详细解读V3版本源码，通过debug模式讲解其中每一行代码，从根本掌握YOLO系列全部实现细节。整体风格通俗易懂，原理+实战实战，提供全部课程所需PPT,数据，代码。