yolov3(pytorch)训练自己的数据集可参看本人blog。要使用的预训练权重：yolov3.weights。如果有遇到问题的可留言或私我。

这个版本是yolov3的mex版本，速度非常快！ 在matlab中如何使用请参考“main_yolov3_demo.m”文件！

Import and export Darknet models(https://github.com/pjreddie/darknet ) within MATLAB deep learning networks. The importer can import all the seriesNetworks in the darknet and some simple DAGnetworks. The exporter can export all the seriesNetworks and some of the backbone networks. In addition to importing the deep neural network, the importer can obtain the feature map size of the network, the n

包括使用教程和注意事项,对于下载安装和训练自己的数据时代码的修改都有详细的描述和截图。

yolov3.cfg文件，提供在操作yolo3时使用

yolov3-tiny的cfg文件，yolov3的weights权重文件和使用cfg和weights转换好的onnx模型,目前碰到点问题，等文章写好这个资源的百度云链接会在文章中给出。

该存储库使用简化和最少的代码来重现 yolov3 / yolov4 检测网络和暗网分类网络。 亮点如下： 1、支持原版暗网模式； 2、支持“* .cfg”、“* .weights”模型的训练、推理、导入导出； 3、支持最新的yolov3、yolov4型号； 4、支持暗网分类模型； 5、支持feature map大小计算、flops计算等各种指标。 这些代码可读性强，比其他框架如pytorch和tensorflow更简洁！但是不包含各种训练数据增强技巧！

用 PyTorch 实现 YOLOv3 训练和推理

使用yolov3 检测汽车，确定汽车位置 在汽车中检测车牌确定位置

前面几篇文章完成了训练端和部署端的环境搭建以及模型的训练，并经过两次模型转化最终将YOLOv3 TINY模型部署在了树莓派上。其实最核心的内容已经完成了，接下来就是一些应用层面的东西了。 树莓派控制马达： 1. 材料硬件： 1.树莓派3B+ 2.四个直流电机 3.一个小车底盘+四个车轮（某宝上有卖） V0L3UwMTA5NjgzNTA=,size_16,color_FFFFFF,t_70#pic_center) 4.L298N驱动模块（介于树莓派与马达之间的桥梁） 5.充电宝一个（用于给树莓派供电） 6.18650锂电池两节（给小车马达供电，普通干电池真的不能用，不然你会拥有好多废电池）