吴恩达老师卷积神经网络yolo.h5。做作业的时候发现从coursera上下的yolo.h5 无法导入。

YOLO算法测试案例，可以用于测试目标的检测和识别，其中源码部分是采用的OpenCV的内置算法。

yoloV3-tiny cpu版 VS动态链接库加载，不需要框架

该资源为python版本下yolo v3红绿灯模型，模型是我训练的一个德国红绿灯模型。详细介绍见： https://blog.csdn.net/mao_hui_fei/article/details/106271523

网盘下载，已经转化为可以直接使用与darknet训练的格式，可以直接使用。

使用3000张安全帽训练的.h5模型，精准度很高

my_yolov3.cfg

YOLO-Nano 受NanoDet启发的新版YOLO-Nano。 在这个项目中，您可以享受： YOLO-Nano的其他版本 网络 这与PyTorch构建的YOLO-Nano不同： 骨干网：ShuffleNet-v2 颈部：非常轻巧的FPN + PAN 火车 批量大小：32 基础LR：1E-3 最多纪元：120 LRstep：60、90 优化器：SGD 我的YOLO-Nano概述 实验 环境： Python3.6，opencv-python，PyTorch1.1.0，CUDA10.0，cudnn7.5 培训：Intel i9-9940k，RTX-2080ti 挥发性有机化合物： YOLO-Nano-1.0x： 尺寸 地图 VOC07测试 320 63.14 VOC07测试 416 67.23 VOC07测试 608 68.88 可可： 尺寸 美联

YOLO将物体检测作为回归问题求解。基于一个单独的end-to-end网络，完成从原始图像的输入到物体位置和类别的输出。

基于深度学习的实时车辆检测代码，详情见博客：http://blog.csdn.net/adamshan/article/details/79193775