yolov3 512输入预训练权重

YOLOv3-pytorch版源代码

基于YOLOv3的仪表识别方法中，仪表检测模型及配置文件包括： （1）meter.names （2）yolov3-meter.cfg （3）yolov3-meter.weights 仪表检测代码链接：https://blog.csdn.net/qq_41721951/article/details/125453483

1、YOLOv3口罩和人脸识别，训练好的模型，配置好环境后可以直接运行，几千张数据训练了150轮得到的权重文件，mAP达到了90%多，PR曲线等图保存在runs文件夹中 ，配置好YOLOv3的环境就可以直接运行，可以和YOLOv5共用同一个环境 2、数据集和检测结果：https://blog.csdn.net/zhiqingAI/article/details/124230743

数据集格式：Pascal VOC格式(包含jpg图片，对应的xml，对应yolo格式txt， 图片数量(jpg文件个数)：14963 标注数量(xml文件个数)：14963 txt数量(yolo格式txt)：14963 类别文件名文件：1个 标注类别数：44,类别为全英文 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明：垃圾分类一共44类，都是全英文标签不用担心中文乱码问题，并提供中英文标签 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注

visual studio2019手写数字识别工程（权重文件通用） 1.no_gpu_darknet版 yolov3手写数字识别 训练好 的模型权重 。基于opencv3.16版本库函数，附带已配置好的工程源码no_gpu_darknet版。已训练好，可直接使用。 2.一万多数据训练得到，准确率达95%以上 3.目标类别名为0，1，2，3，4，5，6，7，8，9 4.可以 检测图片、视频和调用摄像头，需要选择相应的代码语段 5.依据自己的电脑路径打开darknet_no_gpu.sln，然后配置好opencv3.16环境即可直接运行 E:\darknet-master_2\darknet-master_2\darknet-master\build\darknet\darknet_no_gpu.sln

C#实现Yolov3模型的集成

使用labview快速实现物体识别（目标检测），包括darknet和tfl两种调用，识别过程可使用CUDA加速，实时目标检测，不会卡顿延迟。darkenet所需weigth及cfg均已经为大家准备好了，tf所需pb及pbtxt也已经为大家准备好了。

Darknet版YOLOv3旋翼无人机视觉检测： 1、包含训练好的YOLOv3和YOLOv3_tiny两种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达90%以上 2、包含3000张数据集，类别名为drone，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/12423074

Darknet版YOLOv3吸烟检测： 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 2、包含2000多张吸烟检测数据集，类别名为smoke，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/12423074