1.前言 本机环境： TensorFlow（CPU版本）：2.0.0-alpha0 python：Python 3.7.1 小记 由于本机环境限制，直接去TensorFlow Models下载模型，结果出现各种报错（未解决），如下： Error: INFO:tensorflow:Saver not created because there are no variables in the graph to restore 本次记录一次成功的运行demo的过程 2. 过程 2.1 TensorFlow模型下载 1. 网址：模型下载 2. 解压到本地文件夹，如下所示 2.2 下载Protobu

约洛夫5 由TensorFlow2实现的YoloV5，支持培训，评估和推断。 目前尚不完善的项目，但我会继续改进，因此您可能希望观看/加注此仓库以进行重新访问。 任何贡献都受到高度欢迎 主要特征 纯tensorflow2最小Yolov5 yaml文件配置模型 定制数据培训 镶嵌数据扩充 通过锚的iou或wh比编码标签 阳性样本增加 多GPU训练 详细的代码注释 充满弊端，还有巨大的改进空间 用法 克隆和安装要求 $ git clone git@github.com:LongxingTan/Yolov5.git $ cd Yolov5/ $ pip install -r requirements.txt 下载VOC $ bash data/scripts/get_voc.sh $ cd yolo $ python dataset/prepare_data.py 火车 $ python

通过自定义的方法实现格式转换，需要自行修文件路径

介绍 该项目的灵感来自： 我将YOLO v3换成了YOLO v4，并添加了用于异步处理的选项，这大大提高了FPS。 但是，使用异步处理时FPS监视将被禁用，因为它不准确。 另外，我从提取了算法，并将其实现到deep_sort/track.py 。 用于确认轨迹的原始方法仅基于检测到对象的次数，而不考虑检测置信度，从而在发生不可靠的检测时（即低置信度真阳性或高置信度假阳性）导致高跟踪误报率。 轨道过滤算法通过在确认轨道之前计算一组检测次数的平均检测置信度，从而大大降低了这一点。 请参阅下面的比较视频。 低置信度轨道过滤 导航到适当的文件夹以使用低置信度轨道过滤。 上面的视频演示了差异。

yolov2源码matlab版物体检测 资源 很棒的物体检测 很棒的对象建议 空客船舶检测挑战赛数据集 空中场景中物体检测的论文清单及相关应用资源 框架 FAIR的对象检测研究平台，实现了流行的算法，如Mask R-CNN和RetinaNet。 Pelee：移动设备上的实时对象检测系统。 该代码基于SSD框架。 Tesla和Jetson的TensorRT / Deepstream样本 NVIDIA TensorRT加速了TensorFlow模型 对象提案 库/ API，可使用大量现有的对象建议方法来生成边界框/区域建议 BING ++：100fps的快速高质量对象提议生成器 多尺度组合分组-对象提案和细分 显着性 Saliency Benchmark在6个具有挑战性的数据集上定性和定量地比较了42个最新模型（30个显着目标检测，10个注视预测，1个客观性和1个基线），以对显着目标检测和分割方法进行基准测试。 最小障碍物显着物体检测 用于计算图像显着性的python工具箱 cvpr2017论文“具有短连接的深度监督显着对象检测”的实现 CVPR 2017中发布的“具有短连接的深度监督显着

书名: 设计模式可复用面向对象软件的基础 英文原书名: Design Patterns:Elements of Reusable Object-Oriented software 作者: Erich Gamma 等 译者: 李英军 马晓星 蔡敏 刘建中 书号: 7-111-07575-7 页码: 254 定价: ￥35.00 会员价: ￥31.50 币值: 315 出版日期: 2000-9-1 本书设计实例从面向对象的设计中精选出23个设计模式，总结了面向对象设计中最有价值的经验，并且用简洁可复用的形式表达出来。本书分类描述了一组设计良好，表达清楚的软件设计模式，这些模式在实用环境下有特别有用。

Project-Object-Detection 南方电网项目，自然环境、复杂背景下绝缘子目标检测 ###待检测图片1 ###结果1 ###待检测图片2 ###结果2 ###待检测图片3 ###结果3 ###待检测图片4 ###结果4 ###待检测图片5 ###结果5 ###待检测图片6 ###结果6 ###待检测图片7 ###结果7 ###待检测图片8 ###结果8 ###待检测图片9 ###结果9 ###待检测图片10 ###结果10 ###Superpixel-Based Compressive Tracking ###【算法对比图 SCT、FCT、CT、Frag、MIL、VTD、TLD、Struck、LOT】

LabVIEW

本书主要论述一款开源、免费、跨平台的集成开发环境Code::Blocks的安装、配置、以及程序的调 试和编译等。Code::Blocks支持十几种常见的编译器，安装后占用较少的硬盘空间，个性化特性十分丰 富，功能十分强大，而且易学易用。我们这里介绍的Code::Blocks集成了C/C++编辑器、编译器、和调试 器于一体，使用它可以很方便的编辑、调试和编译C/C++应用程序。Code::Blocks具有很多实用的个性化 特性，这里只会简单介绍少数几个常用的特性。

xcode7.3开发，实现了点击播放动画和声音的功能，听说功能还待完善