opencv中dnn模块两个人脸检测模型 opencv_face_detector_uint8.pb res10_300x300_ssd_iter_140000_fp16.caffemodel

树莓派镜像，编译好了opencv4.5.1和opencv_contrib以及ncnn，可以直接调用opencv的dnn模块进行目标检测，目标分割等深度学习算法。同时编译好了ncnn模块，方便arm架构的树莓派执行相关程序。且内部附带基于dnn模块的yolov5检测模型。

一、源码包中有3300张火灾识别数据集，标准完成。 二、数据集在darknet/VOCdevkit/VOC2007/JPEGImages目录下。 三、标注的xml文件在darknet/VOCdevkit/VOC2007/Annotations目录下。 四、训练自己的数据集步骤： 1、配置darkent 环境（网上教程很多，cpu、gpu均可） 2、对应目录下放置数据集和标注生成的xml文件 3、darknet根目录下执行./gen_files.py 4、darknet根目录下执行./darknet detector train cfg/voc-fire.data cfg/yolov3-voc-fire.cfg darknet53.conv.74 开始训练 （也可执行./darknet detector train cfg/voc-fire.data cfg/yolov3-tiny-fire.cfg 开始训练yolov3-tiny模型） 5、bakup下生成训练好的权重文件

opencv_contrib 3.2源码编译中需要下载protobuf-cpp-3.1.0，下载该文件，解压后放入路径./opencv_contrib/modules/dnn/.download文件下的相应位置即可。

使用英特尔D435实感摄像头，在Opencv DNN框架下基于Yolov3框架实现目标检测，并根据深度信息实现对异物的3D定位。 实时显示摄像机坐标系中的坐标。 异议检测和位置RealsenseD435要求C ++版本Ubuntu18.04或16.04 Opencv 4.x C ++ 11_std至少，我在绝对路径/ usr / local / eigen3中使用了C ++ 17 std Eigen3：Cmake> = 3.17 PCL lib> = 1.7.1 Intel Realsense SDK> = 2.0 Yolov3，由Darknet Python版本pyrealsense2.x Opencv-python numpy与C ++版本相同，必须已安装realsense D435的SDK如何使用C ++ git clone https://github.com / Mazhichaoruya /异议检测和定位Rea

将yolov4检测推理模块潜入pyqt5可视化界面中。 OpenCV dnn模块调用yolov4 weight和cfg，实现自选图片和自选视频的检测，并在界面中展示出来。

yolov4+opencv4+MFC图像控件显示图像和结果

理解卷积神经网络基本原理，熟练掌握OpenCV深度神经网络模块API开发技术，学会加载模型，解析模型输出结果；学会如何把正常的tensorflow对象检测模型转化为OpenCV可以接受的模型，实时人脸检测与识别案例。学会使用OpenCV DNN模块解决实际问题。部分课程代码演示效果如下：

jetson平台下 opencv_dnn 的完美应用 含makefile 代码例子和完整依赖库

jetson平台 opencv4.5.3 cuda10.2完整依赖，直接解压到/usr下 jtop 可以直接检测到 当然cuda版本是依赖10.2的 低版本没有测试