针对原始YOLOV3目标检测算法在车辆检测任务中存在的实时性不高的问题,提出了一种改进的车辆检测模型。该模型使用反残差网络作为基础特征提取层,以减少参数量,降低计算复杂度,解决梯度消失和梯度爆炸问题。并且使用组归一化降低批量大小对模型准确性的影响,同时用软化非极大值抑制降低漏检率,使用Focal-loss改进损失函数,使模型在训练时聚焦于难分类样本。改进后的模型参数量为YOLOV3的36.23%,每帧检测时间较YOLOV3降低了13.8 ms,平均类别精度提高了1.15%。结果表明,本文算法兼顾实时性和准确性,为车辆的实时性检测提供参考。

最近将毕业论文写完了，有关YOLO V3框架的目标检测，期间自己用Word做了很多模型和表格、公式，想着在我电脑里生灰还不如让更多人拿去学习和使用，具体可看相关博客介绍：https://blog.csdn.net/qq_42109740/article/details/106027427

Pytorch YOLOv3 目标检测，YOLOv3 目标检测，python目标检测，支持多个分类，可以直接运行，全部文件。

包含Yolov5的四个pt权重，对应转换为onxx的Yolov5s.onnx、Yolov5m.onnx、Yolov5l.onnx、Yolov5x.onnx共4个文件。 此外完整详细的Yolov5网络结构的讲解可参考江大白的博文。

200张图片，160张训练集，40张测试集，已标注好，为.xml文件，适合YOLO系列，标注格式为vocabulary

对kera-yolov3源代码进行一定修改，可直接用于windows环境下执行目标检测；其中包含了已下载的权重文件yolov3.weights以及生成的模型model_data/yolo.h5，还包含了image下用于检测的图片

计算机学习，yolov3模型，能识别80种类别的物体。包含权重文件，配置文件，及类别文件。可以结合opencv，进行目标检测。

yolov3-tiny.conv.15预训练模型下载，/darknet partial cfg/yolov3-tiny.cfg yolov3-tiny.weights yolov3-tiny.conv.15