包括论文资料以及Github上ultralytics的工作，基于pytorch的yolov3复现，该代码包括检测与训练两个部分。如果资源过期或其他相关问题请在CSDN留言。
2021-04-28 16:08:50
13.54MB
1
用labelimg做yolo标注时,首次标注完成后再补充标注时,只会采用程序预类定义标注,并把原自定义类文件清空.
使用方法:
1. 如原来是通过pip install labelimg安装, 拷贝本文件labelimg.py到labelimg程序目录(如D:\Python\Python38\Lib\site-packages\labelImg)中;
2. 运行: labelimg [数据集目录名]
如不添加数据集目录名参数, 则会默认使用当前目录为类定义文件classes.txt目录和标注文件保存目录
2021-04-26 22:11:50
58KB
1
该文件中代码通过C++和opencv的DNN模块调用darknet训练的yolo检测模型，实现目标检测。
2021-04-25 14:21:48
5KB
1
一。介绍
本项目将Yolo-v3的源代码在Android Studio进行开发编译和部署到Android手机上，实现利用手机硬件平台完成对Yolo-v3网络的调用。项目以Yolo-v3-tiny为示例进行开发，其他相关网络可以通过Darknet网站下载权重文件进行复现。
二。开发环境
操作系统：Ubuntu 16.04
Android Studio：3.1.3
手机：小米MI 8
相关教程：
请自行查阅指南完成Android Studio安装以及NDK，SDK等相关开发环境的配置。
三，项目建成
3.1原始代码导入
在Andorid Studio构建一个支持C语言的项目，然后从下载源代码。
在项目工程的cpp文件夹下新建的深色网络文件夹，将下载的源码中的示例，包括src三个文件夹复制到Android工程中。
3.2原始修改
3.2.1包括文件夹
包括文件夹下放置的是darknet的头
2021-04-22 16:37:46
38.87MB
1
该代码可帮助读者将voc格式的数据集转换为yolo格式，为训练yolo模型提供了便利。读者仅需将代码中的路径和文件名更换为自己的即可。
2021-04-22 02:23:17
3KB
1
Yolo-V3
yolov3.cfg（236 MB COCO Yolo v3）-需要4 GB GPU-RAM： ://pjreddie.com/media/files/yolov3.weights
测试：
使用可选的命令行参数运行以下命令，以对“ images”文件夹中的图像执行检测。 默认情况下，“结果”文件夹将存储输出。
python detect_from_image.py
使用可选的命令行参数运行以下命令以从网络摄像头执行检测
python detect_from_video.py
2021-04-20 15:14:53
1.53MB
1