haarcascade_eye.xml haarcascade_eye_tree_eyeglasses.xml haarcascade_frontalcatface.xml haarcascade_frontalcatface_extended.xml haarcascade_frontalface_alt.xml haarcascade_frontalface_alt_tree.xml haarcascade_frontalface_alt2.xml haarcascade_frontalface_default.xml haarcascade_fullbody haarcascade_lefteye_2splits haarcascade_licence_plate_rus_16stages haarcascade_lowerbody haarcascade_profileface haarcascade_righteye_2splits haarcascade_russian_plate_number haarcascade_smile haarcascade_upperbody

Fashion MNIST数据集 是kaggle上提供的一个图像分类入门级的数据集，其中包含10个类别的70000个灰度图像。如图所示，这些图片显示的是每件衣服的低分辨率(28×28像素)

用于对cityscapes的数据集进行分类标注 里边的labels可以进行选择想要的类别 并进行数据标签制作，详情见博客https://mp.csdn.net/console/editor/html/105922546

解压提取，进入文件夹，打开终端 依次输入一下代码进行安装 mkdir build cd build cmake .. make sudo make install

opencv-4.5.5-vc14_vc15最新版本

小目标检测离线切图操作

mixlmg 一键合成目标检测虚拟数据集，数据增广

YOLOv3是一种基于深度学习的端到端实时目标检测方法，以速度快见长。本课程将手把手地教大家使用labelImg标注和使用YOLOv3训练自己的数据集。课程分为三个小项目：足球目标检测（单目标检测）、梅西目标检测（单目标检测）、足球和梅西同时目标检测（两目标检测）。本课程的YOLOv3使用Darknet，在Ubuntu系统上做项目演示。包括：安装Darknet、给自己的数据集打标签、整理自己的数据集、修改配置文件、训练自己的数据集、测试训练出的网络模型、性能统计(mAP计算和画出PR曲线)和先验框聚类。Darknet是使用C语言实现的轻型开源深度学习框架，依赖少，可移植性好，值得深入探究。 购课后可加入白勇老师课程学习交流QQ群：957519975除本课程《YOLOv3目标检测实战：训练自己的数据集》外，本人推出了有关YOLOv3目标检测的系列课程，请持续关注该系列的其它课程视频，包括：《YOLOv3目标检测实战：交通标志识别》《YOLOv3目标检测：原理与源码解析》《YOLOv3目标检测：网络模型改进方法》 敬请关注并选择学习！

本课程包括下面6个经典目标检测算法模型的讲解： 1.基于自己数据集的Faster RCNN模型训练、验证以及nnie上仿真和运行。 2.基于自己数据集的RFCN模型训练、验证以及nnie上仿真和运行。 3.基于自己数据集的SSD模型训练、验证以及nnie上仿真和运行。 4.基于自己数据集的MobilenetSSD模型训练、验证以及nnie上仿真和运行。 5.Yolov2模型验证以及nnie上仿真和运行。 6.Yolov3tiny模型验证以及nnie上仿真和运行。 本课程特色： 1.实用性强，几乎囊括了当前所有经典的目标检测算法模型。 2.有深度。从模型框架原理、搭建、训练自己数据集一直讲到模型量化成wk文件、仿真以及开发板上运行。

计算机视觉技术与应用：识别人物是否带口罩的 Jupyter 格式笔记。 萌狼蓝天写于2022年9月3日。