本人在大学期间，学习深度学习图像、视频目标检测的一个成果。利用yolo3实现了城市交通目标检测，虽然准确率不算高，但可以提供给非大佬级别的同学参考学习一下。绝对真实。数据集太大，没上上去！

前言 本项目是本人结合官方论坛和自身实践总结的、最快入门rknn3399pro及其相关系列的纯干货输出。包括具体的从入手到环境配置，端到端一体化训练样本，各种使用小技巧等。 如果你在探索一款AIOT产品，或者需要短时间内落地一个rknn系列的产品或者算法，那本项目非常适合你。 rk3399pro 简介 rk3399pro福州瑞芯微电子退出的一款 高性能、低功耗、易于片上开发、集成高性能NPU的AIOT设备： 支持8bit和16bit运算，运算性能 3 TOPs, 相比于同类型NPU产品领先150%。 支持 tflite onnx, caffe, tensorflow1,pytorch相关模型进行转换，转化.rknn模型后可直接使用 采用高性能AI处理芯片RK3399Pro,提供一站式AI解决方案。 集成多路USB接口，双PCIe接口，双MIPI CSI接口，HDMI、DP、MIPI和eDP

yolo3安全帽识别源码，里面有通过大量安全帽数据集训练成的安全帽模型，识别工地内有没有戴安全帽准确度高达百分之98，下载即可运行#资源达人分享计划#，#源码类#

yolo3口罩识别源码，里面有大量口罩数据集训练成的口罩模型，识别口罩准确度高达百分之98，下载即可运行#资源达人分享计划#，#源码类#

yolo1、yolo2和yolo3原作者论文，适合系统学习yolo使用

YOLO v3

图像标注、训练、识别（Keras2.3.1+TensorFlow-gpu2.1.0 + cuda10.0）

Tensorflow框架：目标检测yolo3算法实现

pytorch的平台搭建了yolo3目标检测算法

本项目基于yolo3 与crnn 实现中文自然场景文字检测及识别