Darknet版YOLOv3飞鸟检测： 1、包含训练好的weights权重文件，以及后缀为cfg、data、names的配置文件，并包含训练map曲线和loss曲线，map到95%以上 2、包含5000多张鸟类检测数据集，类别名为bird，标签格式为txt和xml两种，分别保存在两个文件夹中 3、检测效果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743

Darknet版YOLOv4飞鸟检测： 1、包含训练好的weights权重文件，以及后缀为cfg、data、names的配置文件，并包含训练map曲线和loss曲线，map到95%以上 2、包含5000多张鸟类检测数据集，类别名为bird，标签格式为txt和xml两种，分别保存在两个文件夹中 3、检测效果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743

Darknet版YOLOv4安全帽检测： 1、包含训练好的weights权重文件，以及后缀为cfg、data、names的配置文件，并包含训练map曲线和loss曲线，map到90%多 2、包含6000多张安全帽检测数据集，类别名为person和hat，标签格式为txt和xml两种，分别保存在两个文件夹中 3、检测效果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743

Darknet版YOLOv3安全帽检测： 1、包含训练好的weights权重文件，以及后缀为cfg、data、names的配置文件，并包含训练map曲线和loss曲线，map到90%多 2、包含6000多张安全帽检测数据集，类别名为person和hat，标签格式为txt和xml两种，分别保存在两个文件夹中 3、检测效果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743

Darknet版YOLOv3人脸和口罩检测： 1、包含训练好的weights权重文件，以及后缀为cfg、data、names的配置文件，并包含训练map曲线和loss曲线，map到90%多 2、包含数千张口罩检测数据集，类别名为face和face_mask，标签格式为txt和xml两种，分别保存在两个文件夹中 3、检测效果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743

Darknet版YOLOv4人脸和口罩检测： 1、包含训练好的weights权重文件，以及后缀为cfg、data、names的配置文件，并包含训练map曲线和loss曲线，map到90%多 2、包含8000多张口罩检测数据集，类别名为face和face_mask，标签格式为txt和xml两种，分别保存在两个文件夹中 3、检测效果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743

可以参考这个视频，使用opencv，手敲代码实现目标检测

目标检测yolov2和yolov3的权重文件，并且有基于voc数据集训练好的权重。

vgg19_weights_tf_dim_ordering_tf_kernels_notop 这是VGG19网络在imagenet数据集上的预训练权重文件，不带连接层。仅仅需要5积分，自行下载提取哦。

关于保存h5模型、权重网上的示例非常多，也非常简单。主要有以下两个函数： 1、keras.models.load_model() 读取网络、权重 2、keras.models.load_weights() 仅读取权重 load_model代码包含load_weights的代码，区别在于load_weights时需要先有网络、并且load_weights需要将权重数据写入到对应网络层的tensor中。 下面以resnet50加载h5权重为例，示例代码如下 import keras from keras.preprocessing import image import numpy as np