yolo-mark用于数据集标记，已经进行了打包，可直接解压后在./yolo-mark目录下使用cmd指令运行yolo-mark，需要自行更改cmd指令中的路径以及obj.names文件中的项目名称。但是注意一点，请不要用train.txt文件直接进行训练，一是因为没有进行过分类，二是因为目录路径可能不对。 示例：yolo_mark.exe data/imgs data/train.txt data/obj.names 其中data/imgs为需要标记的图片目录，data/train.txt为记录的已标记图片路径，data/obj.names内为项目名称。可以与https://download.csdn.net/download/a564636465/18974955该程序配合使用
2021-05-23 09:03:53
21.71MB
1
面罩检测
使用YOLO网络（Darknet）和更快的R-CNN网络（PyTorch）在Google Colab中进行面罩检测。 检测到3类：正确佩戴的口罩，错误佩戴的口罩和未佩戴的口罩。
设置和执行YOLO：
在您的Google云端硬盘中创建名为yolov3的文件夹
下载数据集（ ， ）
执行jupyter Notebook
对于测试，请执行detection_utils.py或对视频进行检测，请执行detect_video.py您可以使用video_converter.py从视频创建数据集，从视频到图像或从图像到视频。
设置和执行PyTorch：
在您的Google云端硬盘中创建一个名为rcnn的文件夹，然后以zip格式上传数据集。
下载数据集（ ， ）
执行jupyter Notebook
预训练重量：
在Kaggle数据集上已经预先训练了 （和）网络和权重（方法
2021-05-13 17:10:28
9.06MB
1
基于darknet，划分的数据集，在使用trans数据训练出模型后，使用test数据集，测试模型性能，计算mAP指数。
2021-05-11 18:50:20
4.88MB
1
这是适用于Windows和Linux的YOLO-v3和v2。 YOLO（您只看一次）是Darknet的最先进的实时对象检测系统，Darknet是C语言中的一种开源神经网络框架。YOLO非常快速，准确。 它使用单个神经网络将整个图像划分为多个区域，然后预测每个区域的边界框和概率。 该项目是原始Darknet项目的分支。
2021-05-10 13:03:06
7.75MB
1
yolo(vs2019编译cuda11_cv420_darknet_yolo_cpp_dll),不包含yolo网络配置和权重
2021-05-08 13:07:31
30.37MB
1
darknet-master_AlexeyAB_2020_YOLO4_VS2019_CUDA10.0编译通过_包含exe和dll
darknet 2020 最新yolov4代码经过windows 7 x64 vs2019 cuda10.0编译通过，里面包含生成的dll和exe，可直接打开使用！
2021-05-07 20:17:58
103.85MB
1
Windows系统下配置深度学习Darknet框架使用YOLO神经网络算法实现目标检测(Windows10+VS2015+OpenCV3.4.0+CUDA9.0+cuDNN7.0)-附件资源
2021-05-07 17:23:45
106B
1
darknet的YoloV3-tiny检测交通标志--34种（.cfg配置文件，.data、.name文件、权重文件），针对清晰图像有较好的识别效果。使用该资源请提前部署好darknet环境即可直接识别。
（ps：我原本没调整需要积分，后来发现都下载不了来找我，才发现是动态积分自己调整的，我设置了不允许动态调分，大家下载了自己研究一下吧，darknet教程网上有很多，不懂的花点心思搜一搜还是能搜到的，加油，祝大家学业顺利）
2021-04-22 09:09:57
30.99MB
1