opencv 3.4.0 + yolo3+yolov3.weight

1.4.1 介绍 Git地址：https://github.com/chineseocr/chineseocr。目前支持darknet、keras、tensorflow、pytorch。但将来会主要支持darknet。Yolo3开始就是用darknet编写的。 基于yolo3 与crnn 实现中文自然场景文字检测及识别。我试的身份证识别效果很好。 YOLO3：目标检测。 CRNN： EndToEnd文本识别网络-CRNN(CNN+GRU/LSTM+CTC) 1.4.2 环境准备 目前git上的代码必须用tensorflow=1.8，我本地的tensorflow=1.15运行不起来，会报错：In

events.out.tfevents.1618530194.LAPTOP-7R99OTKH

hand-keras-yolo3-recognize 模型训练参考：https://gitee.com/cungudafa/keras-yolo3 yolo3识别这里参考于：https://github.com/AaronJny/tf2-keras-yolo3

经过近一周的不断尝试，终于编译成功OPENCV4.4 GPU测试YOLO3模型，中间过程遇到很多坑。 附件中已有下载好的.cache文件，亲们可参考《Win10 OpenCv4使用说明.doc》。 附件包括：opencv4.4 dnn cuda + Win10 + vs2017 64位 + YOLO3测试代码 opencv-4.4.0-vc14_vc15.exe + opencv_contrib-4.4.0.zip + sources\.cache + opencv源码编译说明文档 + YOLO测试代码

解压后的各文件释义请参考Labelme bbox_detection 的Readme 中大ITS车牌定位训练数据（已标注，仅供学习使用，侵删） 欢迎点赞文章“实现车牌识别之二--使用yolov3进行车牌定位”

yolo训练 神经网络 可识别滑块缺口等一系列验证码 识别行人 汽车等视觉标注

......................................................................................................................................................................................................

yolo3 tiny训练的车牌识别模型，可以识别闸口环境的车牌，对于车牌没有大的变形和无损情况下，识别良好，速度快，i3以上CPU可以达到实时识别的效果。

资源包含全部YOLOV3模型，模型训练的步骤的相关说明都在资源当中。 框架采用的pytorch,信号灯数据集采用的是我自己标注的信号灯数据集，相关数据集的资源可以在我发布的其他资源里找到，数据集的数量庞大，质量优秀，完全可以胜任模型的训练任务。模型文件经过本人亲自调整和测试，确实有效。训练过程中遇到的问题和解决方法都写在了资源里的说明中，最终训练完成的权重文件也一并打包上传，有任何问题可以留言。