目录 摘要 关键词 第一章 绪论 1.1 研究背景 1.2 研究意义 1.3 国内外研究现状 1.4 研究内容和方法 1.5 论文结构 第二章 YOLOv3算法原理 2.1 YOLOv3算法概述 2.2 YOLOv3算法网络结构 2.3 YOLOv3算法训练过程 2.4 YOLOv3算法优缺点 2.4.1 YOLOv3算法优点 2.4.2 YOLOv3算法缺点 第三章 目标检测算法研究 3.1 目标检测算法概述 3.2 传统目标检测算法 3.3 深度学习目标检测算法 3.4 目标检测算法评价指标 3.4.1 精度指标 3.4.2 IOU指标 3.4.3 MAP指标 第四章 基于YOLOv3的目标检测算法设计 4.1 算法设计思路 4.2 数据集准备 4.3 算法实现细节 4.4 算法性能评估 4.4.1 检测精度评估 4.4.2 检测速度评估 第五章 实验结果与分析 5.1 实验环境介绍 5.1.1 硬件环境介绍 5.1.2 软件环境介绍 5.1.3 实验数据集介绍 5.1.4 实验流程介绍 5.1.5 实验结果说明 5.2 实验结果展示 5.3 实验结果分析 第六章 结论与展望

yolov3 代码包 yolov3 代码包 yolov3 代码包

进行苹果、香蕉、橙子的水果识别用于yolov数据集仅训练数据集和测试训练集加一起一共300张图片，大部分的图片背景为白色，有少部分的背景干扰，有需要的可以下载测试。

1、yolov5下俯视场景下车辆行人检测视觉检测，包含YOLOv5s和YOLOv5m两种训练好的visdrone数据集权重，以及PR曲线，loss曲线等等，有pyqt界面，目标类别为车辆行人等 2、pyqt界面可以检测图片、视频、调用摄像头 3、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 4、采用pytrch框架，python代码

python源码yolov 人头检测head detect 教室人头计数 广场人数计算python显示视频内人头总数 效果链接：https://www.bilibili.com/video/BV1gK4y1Q7um?spm_id_from=333.337.search-card.all.click

摩托车数据集，手工精细标注，里面包含图片和xml文件，可用于yolov3训练、yolov4训练、yolov5训练，训练可达到百分之95以上的准确度。

精挑细选的害虫数据集，手工精细标注，里面包含jpg图片和xml文件，可用于yolov3训练、yolov4训练、yolov5训练，训练可达到百分之95以上的准确度。

用于yolov、voc标注，无任何广告插件安装

172张精挑细选的摔倒数据集，手工精细标注未摔倒和摔倒的两类，里面包含jpg图片和xml文件，可用于yolov4训练、yolov5训练，训练可达到百分之95以上的准确度。

YOLOV3 最多支持3.4.0的OPENCV