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。

yolo3-pytorch-master.zip

YOLO3 目标识别在OpenCV3.4.2中用C++实现。YOLO: Real-Time Object Detection,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.我用i7 8700K CPU跑，每张图片只需要160ms左右，速度还是蛮快的了。

keras-yolo3 实时目标检测，更多内容，请移步：https://blog.csdn.net/zyxhangiian123456789/article/details/87855162

基于keras和tensorflow的物体检测python源代码，可以直接使用！

YOLO v3的配置文件，模型文件等，包括yolov3.weights，yolov3.cfg，coco.name三个主要文件。

yolo3的实现，平台是Windows10、python3.6.8 tensorflow1.12 运行yolo_video.py --camera 打开本地摄像头识别 运行yolo_video.py --image 打开图片识别 修改yolo.py中的代码，可以打开视频文件 缺少权重文件，可以自行下载weight文件用convert.py转换

用VS2015编写的图形界面YOLO3测试程序，可以通过按钮打开需要的图像，然后进行YOLO3计算，显示图像和识别结果，并显示运算花费时间。