河道漂浮物检测数据集.zip

目标检测的任务是从图像中精确且高效地识别、定位出大量预定义类别的物体实例。随着深度学习的广泛应用，目标检测的精确度和效率都得到了较大提升，但基于深度学习的目标检测仍面临改进与优化主流目标检测算法的性能、提高小目标物体检测精度、实现多类别物体检测、轻量化检测模型等关键技术的挑战。

针对当前深度学习目标检测算法计算复杂度高和内存需求大等问题，设计并实现了一种基于FPGA的深度学习目标检测系统。设计对应YOLOv2-Tiny目标检测算法的硬件加速器，对加速器各模块的处理时延建模，给出卷积计算模块的详细设计。实验结果表明，与CPU相比，CPU+FPGA的异构系统是双核ARM-A9能效的67.5倍，Xeon的94.6倍；速度是双核ARM-A9的84.4倍，Xeon的5.5倍左右。并且，当前设计在性能上超过之前的工作。

基于基础网络MobileNet的SSD框架 采用Android实现目标检测 采用NCNN框架加速

深度学习目标检测综述.zip

VisionMaster 3.4.0深度学习目标检测训练说明

用于标注视频，可以用于生成目标检测数据集以及reid数据集。 配合上脚本使用可以更快地完成数据集构建工作。软件使用方法也在博客中，主要有两个模型进行跟踪，标注人员只需要微调即可，tracker1用于追踪运动多的目标，trakcer2用于追踪以静止为主的目标，可以灵活切换两个tracker

上传的是txt文件,里面含有数据集的下载链接和密码，下载方式为百度网盘。 数据集文件是在清华实验室采集到的交通路口图片的基础上，使用labelme对其进行交通信号灯的标注，标注采用VOC格式，全部手工标注，标注图片一共9812张，耗时两个月左右，质量有保证。标注类别共18类，包括红灯，绿灯，黄灯的各类箭头，以及行人，自行车的信号灯类别。整体文件包括原始图片，对应标签，保存有文件名的txt文件以及含有具体类别名称的txt文件。全部打包上传。 已经经过本人使用YOLOV3和fast-r-cnn模型亲自测试,数据集数据真实有效。 相关的模型的文件和训练文件也已经全部上传，可在我发布的其他资源里找到

--Tensorflow+SSD+Yolo（目标检测）文章11.视频检测 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。

免费下载，不需要积分或者C币