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
2022-04-16 18:09:50
438.94MB
利用keras深度学习框架，生成交通标志分类模型h5，转换为tensorflow的深度学习框架pb，在OpenCV中利用dnn调用pb模型并判断交通标志分类
2021-06-24 17:16:00
74.99MB
1
opencv实现的SSD人脸检测器，实现DNN的人脸检测，需要先下载模型文件，在OpenCV的\sources\samples\dnn\face_detector目录下，有一个download_weights.py脚本下载的模型文件，打包好了
2021-04-26 10:21:10
6.42MB
1