中文 | tfjs-yolov3 介绍 完全用js来实现图片中的目标检测 基于yolov3算法和Tensorflow.js库 用tensorflow.js实现yolov3和yolov3-tiny 需要注意的是: 必须是Tensorflow.js@v0.12.4版本以上 特点 可以识别任意尺寸的图片 同时支持yolov3和yolov3-tiny 快速开始 安装 npm install tfjs-yolov3 用法示例 import { yolov3, yolov3Tiny } from 'tfjs-yolov3' async function start () { const yolo = await yolov3Tiny() // pre-load model (35M) // or // const yolo = await yolov3() // pre-load mode

用来将wider_face的数据集的标签清洗，防止出现段错误，训练中断的问题

tesseract-ocr-w64-setup-v4.0.0-beta.4.20180912.exe

项目描述请参见：https://handsome-man.blog.csdn.net/article/details/115681855

com.sun.media.imageio.plugins.tiff.TIFFImageWritePar 报错，很多同学找不到 这个jai_imageio-1.1-alpha.jar 提供下下载

1、安装office 2010或2013中的Onenote 2、在你的项目中引用封装库 使用 using (var ocrEngine = new OnenoteOcrEngine()) using (var image = Image.FromFile(imagePath)) { var text = ocrEngine.Recognize(image); if (text == null) Console.WriteLine("nothing recognized"); else Console.WriteLine("Recognized: " + text); }

dephi ocr 源代码，可以直接运行。

数据集：血细胞

xyolo xyolo是一个Python实现的、高度封装的YOLO v3类库。 借助xyolo，您可以只使用几行Python代码轻松完成yolo3目标检测任务的训练和调用。 xyolo is a highly encapsulated YOLO v3 library implemented in Python. With xyolo, you can easily complete the training and calling of the yolo3 target detection task with just a few lines of Python code. 请注意： 我使用的Python是Anaconda的Python 3.7发行版本，在shell里面进行了初始化(python和pip默认指向当前激活环境，而不是默认的python2)，所以文章中的python和pip请根

现阶段火灾频发，需要自动进行火灾的检测与识别，虽然存在温度、烟雾传感器等火灾检测手段，但是检测实时性得不到保证.为了解决这一问题，提出了基于改进YOLOv3的火灾检测与识别的方法.首先构建一个多场景大规模火灾目标检测数据库，对火焰和烟雾区域进行类别和位置的标注，并针对YOLOv3小目标识别性能不足的问题进行了改进.结合深度网络的特征提取能力，将火灾检测与识别形式化为多分类识别和坐标回归问题，得到了不同场景下火焰和烟雾两种特征的检测识别模型.实验表明，本文提出的改进YOLOv3算法对不同拍摄角度、不同光照条件下的火焰和烟雾检测都能得到理想的效果，同时在检测速度上也满足了实时检测的需求.