MFC调用yolo动态链接库，实现以下功能： 1.实现打开单张图片并进行检测以及显示测试时间； 2.实现打开文件夹中视频并进行实时检测或者调用摄像头进行实时检测； 3.检测时可实现 FPS 、检测框数量以及检测准确率的实时显示。 4.实现对话框的最大化和最小化（控件以及显示在图片控件上的图片大小可相应变化） 很好的借鉴代码，希望能帮到有需要的小伙伴！

YOLOv3使用笔记——TensorRT加速-附件资源

所有的依赖已经通过environment.yml 配置文件进行配置，下载后直接运行即可

yolov3_MXNet MXNet的一个开源项目里的yolov3代码，写了一个中文注解，方便学习。 需要安装： MXNet 格洛诺夫 阅读顺序： 建议Darknet.py-> yolov3.py-> train_yolo3.py-> yolo_target.py

1、darknet深度学习框架使用所用文件 2、可直接下载使用，官网较慢

压缩包包含文件： coco.names，yolov3.cfg， yolov3.weights共三个文件。分别为训练数据的标签、网络框架、网络参数

https://github.com/tanluren/mobilenetv3-yolov3 上的预训练模型，20分类，要class相同才能用

:NEW_button: 您是否正在寻找由TF2.0实现的新YOLOv3？ 如果您非常讨厌tensorflow1.x，请不用担心！ 我已经用TF2.0实现了一个新的YOLOv3存储库，并且还制作了一个中文博客，介绍如何从头开始实现YOLOv3对象检测器。 | | 第1部分。快速入门 克隆此文件 $ git clone https://github.com/YunYang1994/tensorflow-yolov3.git 您应该在掌握这些代码之前先安装一些依赖项。 $ cd tensorflow-yolov3 $ pip install -r ./docs/requirements.txt 将已加载的COCO权重导出为TF检查点（ yolov3_coco.ckpt ）【 】 $ cd checkpoint $ wget https://github.com/YunYang1994/tensorflow-

Mobilenet-YOLO-Pytorch 就像我之前的项目，损失函数与原始实现非常相似 模型 pytorch实现的MobileNet-YOLO检测网络，在07 + 12上进行了训练，在VOC2007上进行了测试（图像网络经过预训练，而不是coco） 网络 地图 解析度 yolov3 约洛夫4 MobileNetV2 71.2 352 ✓ MobileNetV2 352 ✓ MobileNetV3 MobileNetV3 训练步骤 下载数据集VOCdevkit /，如果已有，请跳过此步骤 sh scripts/VOC2007.sh sh scripts/VOC2012.sh 创建lmdb sh scripts/create.sh 开始训练 sh scripts/train.sh 演示版 下载 ，并保存在$ Mobilenet-YOLO-Pytorch / chec

PyTorch-YOLOv3 YOLOv3的最小PyTorch实现，并支持训练，推断和评估。 安装 从源安装 为了进行正常的培训和评估，我们建议使用诗歌虚拟环境从源头安装软件包。 git clone https://github.com/eriklindernoren/PyTorch-YOLOv3 cd PyTorch-YOLOv3/ pip3 install poetry --user poetry install 您需要在运行以下任何不带poetry run前缀的命令之前，通过在此目录中运行poetry shell来加入虚拟环境。 如果您想在各处使用命令而无需打开诗歌外壳，请同时查看其他安装方法。 下载预先训练的体重 ./weights/download_weights.sh 下载COCO ./data/get_coco_dataset.sh 通过点子安装 如果要将此软件包用作