几个月前自己上手YOLOV3-keras，自己训练了一个数据集。在测试的时候，发现源码作者的测试不好用。自己稍稍修改了一下。 几点改进 （1）批量测试图片 将待测试的图片放入 './test'路径下。 测试的时候，第一张图片需要的时间大约是 2s左右，因为需要加载模型，所需时间就相对较长一些。在博主的机器上，测试一一张图片的时间大约是0.1s左右； （2）保存测试结果 完成测试后，将测试的结果保存在result文件夹中。方便以后查看 （3）将测试结果输出为一个result.txt文件。 result.txt内容包含了每一个bbox的信息。

对YOLOV3的核心代码进行了注释，注释量大约上万行，有兴趣的小伙伴可以拿去研究研究或者继续注释

我制作了一个YOLOV3的实验教程，帮助新手实现利用YOLOv3训练自己的数据集，并且预测数据展现结果，文档提供了一切所需脚本，文件，数据。

【没法取消收费变成，有需要的可以私信我，我直接发你们，】除了yolov3外还包含部分图像处理的基本程序，如模糊、膨胀、腐蚀，camshift追踪等； 设置了背景图和显示图标，相关文件替换为自己的路径即可； 仅供参考，如果想运行需要改部分代码，不会的话注销掉有问题的代码慢慢调试

为了解决一部分童鞋的疑惑，训练时候的各个参数是否正常。 今天又重新训了一次，截取前200次迭代日志。方便大家参考对照。

基于高斯分布的改进版YOLOv3权重文件，基于BDD数据集训练而成。摘要必须大于50个字!我也是醉了！！！

YOLO快速图像标注工具，里面附有使用说明书。资源并非自己原创，如果造成侵权，请私信我（我会主动删除）。

图片-xml匹配、重命名、读取xml并重新生成xml

yolov3是优秀的目标检测算法，笔者曾用yolov3完成《数字图像处理》的课程设计，课程设计是大型交通标志牌的检测，使用yolov3模型能够获得很好的效果，文件包括yolov3的论文、笔者录制的视频目标检测结果

You only look once (YOLO) is a state-of-the-art, real-time object detection system. On a Pascal Titan X it processes images at 30 FPS and has a mAP of 57.9% on COCO test-dev