C#基于OpenCV实现的加载Darknet的YOLO模型.rar

一、源码包中有3300张火灾识别数据集，标准完成。 二、数据集在darknet/VOCdevkit/VOC2007/JPEGImages目录下。 三、标注的xml文件在darknet/VOCdevkit/VOC2007/Annotations目录下。 四、训练自己的数据集步骤： 1、配置darkent 环境（网上教程很多，cpu、gpu均可） 2、对应目录下放置数据集和标注生成的xml文件 3、darknet根目录下执行./gen_files.py 4、darknet根目录下执行./darknet detector train cfg/voc-fire.data cfg/yolov3-voc-fire.cfg darknet53.conv.74 开始训练 （也可执行./darknet detector train cfg/voc-fire.data cfg/yolov3-tiny-fire.cfg 开始训练yolov3-tiny模型） 5、bakup下生成训练好的权重文件

Import and export Darknet models(https://github.com/pjreddie/darknet ) within MATLAB deep learning networks. The importer can import all the seriesNetworks in the darknet and some simple DAGnetworks. The exporter can export all the seriesNetworks and some of the backbone networks. In addition to importing the deep neural network, the importer can obtain the feature map size of the network, the n

含有数据集标注、视频标注文档规范、darknet训练步骤，及一些脚本文件

darknet在windows 64位环境下编译后的执行文件。运行时要求有vs2015运行环境支持。此版本不支持gpu

Windows系统下配置深度学习Darknet框架使用YOLO神经网络算法实现目标检测(Windows10+VS2015+OpenCV3.4.0+CUDA9.0+cuDNN7.0)-附件资源

该文档为目标检测算法YOLOV3算法在训练数据集市所使用的的框架，制作适合自己的数据集使用该文档、数据进行训练YOLOV3数据。具体训练YOLOV3数据集的方法可以参考博客 https://blog.csdn.net/qq_41900772/article/details/95064437

本文件为yolov4官方GitHub仓库内的COCO训练集的训练出模型，可直接用于COCO数据集的检测，也可以用于验证yolov4论文中的数据。

TensorFlow-2.x-YOLOv3和YOLOv4教程 TensorFlow 2.x中的YOLOv3和YOLOv4实现，并支持训练，传递训练，对象跟踪mAP等...代码已通过以下规格测试： i7-7700k CPU和Nvidia 1080TI GPU 操作系统Ubuntu 18.04 CUDA 10.1 cuDNN v7.6.5 TensorRT-6.0.1.5 Tensorflow-GPU 2.3.1 代码已在Ubuntu和Windows 10上进行了测试（不正式支持TensorRT） 使用2.4.0 TensorFlow-不起作用！ 安装 首先，克隆或下载此GitHub存储库。安装要求并下载预训练的砝码： pip install -r ./requirements.txt # yolov3 wget -P model_data https://pjreddie.com

darknet训练.docx