本资源是基于K210端侧平台部署头盔识别模型，资源包中包含已经训练好的kmodel格式的模型文件，可以直接部署到K210平台，同时还提供了课程设计报告pdf版以及答辩ppt

官方正版下载，from海外，童叟无欺。您已经在cfg/子目录中拥有YOLO的配置文件。您必须在此下载预先训练的权重文件，就是这个哦

本文档为本人对YOLOV2论文的翻译笔记，经过本人按原论文格式排版，校对，确保每处翻译不易出错，YOLOV2介绍了很多技术性改进方法，如果你想使用YOLOV3，建议你还是先阅读YOLOV2的论文，这样你能更清楚了解YOLOV3一些基本原理及技术

下载后放到darknet_ros/darknet_ros/yolo_network_config/weights/

人脸检测出发

目前，中国的城市化水平已超过50％，汽车保有量达到1.4亿辆。 随之而来的交通拥堵问题变得越来越突出。 如何实时，准确地获取车辆的基本信息越来越重要，以便交通部门及时管理特定路段和交叉路口的车辆。 目前，一些相关的方法和算法具有较高的实时性，但准确性不高或相反。 因此，本文提出了一种基于YOLOV2框架的车辆实时检测方法，该方法具有实时性和准确性。 该方法改进了YOLOv2框架模型，优化了模型中的重要参数，扩大了网格尺寸，并改进了模型中锚点的数量和大小，可以自动学习车辆的特征，实现实时，高精度的车辆自动检测和车辆类别识别。 对自制数据集的评估表明，与YOLOv2和Faster RCNN相比，准确率提高到91.80％，召回率提高到63.86％。

包含车牌数据，标注号的xml文件，以及转换好的txt文件

视频流的实时对象跟踪和检测 先决条件： OpenCV3.4 盗用者 在此处下载权重并将其放置在model_data /中 参数： $python3 src/main.py -h usage: main.py [-h] [--input INPUT] [--output OUTPUT] --model MODEL [--config CONFIG] [--classes CLASSES] [--thr THR] Object Detection and Tracking on Video Streams optional arguments: -h, --help show this help message and exit --input INPUT Path to input image or video fil

本实例展示了如何利用Yolov2模型进行猫狗视频检测，可实时检测，利用到了keans聚类确定anchor个数，大小，利用不同模型进行特征提取等知识。

yolov2源码matlab版物体检测 [目录] 这是有关对象检测的很棒的文章列表。 如果您想根据时间阅读论文，可以参考。 神经网络 快速R-CNN 更快的R-CNN 遮罩R-CNN 轻型头R-CNN 级联R-CNN SPP网 YOLO YOLOv2 YOLOv3 OLT 固态硬盘 可持续发展战略 FSSD 可持续发展委员会 MDSSD 佩里 消防固态硬盘 流式细胞仪 FPN DSOD 视网膜网 MegDet 精炼网 网络 SSOD 角落网 M2Det 3D物体检测 ZSD（零位物体检测） OSD（一发式物体检测） 弱监督对象检测 网管软件 2018年 2019年 其他 基于handong1587的github： 民意调查 20年的物体检测：一项调查 简介：这项工作已经提交给IEEE TPAMI以便发表 arXiv： 《深度卷积神经网络时代物体检测的最新进展》 简介：太棒了 arXiv： 《基于深度学习的通用对象检测：调查》 简介：提交给IJCV 2018 arXiv： 论文与守则 神经网络 丰富的功能层次结构，用于精确的对象检测和语义分割 简介：R-CNN arxiv： 补充： 幻灯