基于keras的yolov3物体检测源码，可以直接运行使用，用于物体的定位识别。

人工智能_YOLOv3_行人重识别_利用YOLOv3结合行人重识别模型，实现行人的检测识别，查找特定行人 YOLO是直接采用原来的权重文件，并且还支持YOLO-spp. 行人重识别采用了Market1501、CUHK03和MSMT17三个数据集大概十七万张图片进行联合训练的，泛化性能更好。

yolov3.zip

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

yolov3目标检测可视化框架（轻量级）——以火焰识别为例 a.内置火焰识别数据集（2k张手工已标注）/权重（正确率95%） b.其中主要包含有图片检测、权重加载、可信度调整、检测结果保存，日志输出功能（可扩充） c.文件中的权重和数据集可以更换，训练介绍后不影响GUI的使用

deepsort-yolov3-车辆行人-跟踪结果

车辆检测数据集，类别为car、bus、truck三个类别，每张图中含有多个类别，标注在了一起，标签格式我txt和xml两种，可以直接用于YOLO车辆检测等等，数量有几千张

ZYNQ实现yolov3-tiny算法，有各个模块实现的工程及全套代码，包括下面几个部分yolo_acc,yolo_conv,yolo_max_pool,yolo_upsamp,yolo_yolo这几个模块。

ROS的YOLOv3 概述 这是的扩展使用ROS包装器实现YOLOv3作为ROS节点的功能的。 该节点是用Python编写的，并遵循原始darknet软件包中包含的示例。 该软件包已在Ubuntu 16.04和ROS Kinetic上进行了测试。 作者：王子凡， 引用 关于Darknet： : YOLOv3方法最初在描述。 结果 安装 依存关系 OpenCV3的 西皮 建造 转到您的工作区并下载存储库： git clone --recursive https://github.com/SailColubrid/yolo3_ros.git 首先构建Darknet，请参阅 cd yolo3_ros cd darknet 如果要使用GPU和cudnn。 请确保您更改 OPENCV = 0 在Makefile中 OPENCV = 1 启用OpenCV使用。 对于ros_yo

tensorflow-lite-yolo-v3 将YOLO v3对象检测器的权重转换为tensorflow lite格式。 它也可以用于张量流服务。 设置环境 docker build -t tflite . docker run -it -v /home/peace195/tensorflow-lite-yolo-v3:/root/ tflite 怎么跑 下载COCO类名称文件： wget https://raw.githubusercontent.com/pjreddie/darknet/master/data/coco.names 下载具有所需权重的二进制文件： 全权重： wget https://pjreddie.com/media/files/yolov3.weights 小重量： wget https://pjreddie.com/media/files/yolov3-