在Azure上训练自定义YOLO v4暗网模型并在IoT Edge上与Azure Live Video Analytics一起运行 目录 训练定制的YOLO v4模型 先决条件 SSH客户端或命令行工具-对于Windows，请尝试 SCP客户端或命令行工具-对于Windows，请尝试 Azure订阅-适用于新客户的。 熟悉Unix命令-例如vim ， nano ， wget ， curl等。 视觉对象标记工具 在Azure中的Ubuntu（18.04）虚拟机上安装并运行测试 通过使用项目VM设置来设置N系列虚拟机。 SSH进入带有用户名和密码的Ubuntu DSVM（如果使用ssh密钥，则使用该密钥） 如果这是公司订阅，则可能需要删除Azure门户中“网络”下的入站端口规则（删除Cleanuptool-Deny-103） 通过运行以下命令测试Darknet可执行文件。 获得YO

darknet-python.rar

darknet，opencv以及mysql的环境搭建文档

yolov4-kitti 包含5800步的权重和tlwh x1y1x2y2的检测结果.

yolo v3的权重文件，下载之后放到darknet文件目录下即可。

darknet yolo v3 资源详细，包含python接口，完成python的摄像头读取。

医学图像算法unet和unet++的darknet开源实现代码,(深度学习/神经网络),项目源码中付有各种说明文件/批处理调用文件/训练图像集/网络模型的配置文件.

caffe实现darknet中的相关层，主要是yolo层和upsample层等； 实现yolo网络的训练和测试（分类、检测和分割）； 提供darknet模型转caffe模型； 实现bn层合并和yolo模型的加速。 示例：yolov3的darknet模型转caffe，并实现bn层合并进行模型加速。

利用darknet框架训练得到的.weights权重文件，还包含.data文件，.name文件，导入darknet框架可直接识别（视频、图片、摄像头），也可自己将.weights权重文件转换其他网络模型的权重文件然后识别。该文件能识别圆红灯(red)，圆绿灯(green)，箭头直行(straight green)，箭头左转(left green)，箭头禁止直行(straight red)，箭头禁止左转(left red)

darknet-master_win