这里我使用的是pascal voc2007+2012联合训练的。 （1）下载数据 wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06-Nov-2007.tar wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCdevkit_08-Jun-2007.tar wget http://host.robots

使用英特尔D435实感摄像头，在Opencv DNN框架下基于Yolov3框架实现目标检测，并根据深度信息实现对异物的3D定位。 实时显示摄像机坐标系中的坐标。 异议检测和位置RealsenseD435要求C ++版本Ubuntu18.04或16.04 Opencv 4.x C ++ 11_std至少，我在绝对路径/ usr / local / eigen3中使用了C ++ 17 std Eigen3：Cmake> = 3.17 PCL lib> = 1.7.1 Intel Realsense SDK> = 2.0 Yolov3，由Darknet Python版本pyrealsense2.x Opencv-python numpy与C ++版本相同，必须已安装realsense D435的SDK如何使用C ++ git clone https://github.com / Mazhichaoruya /异议检测和定位Rea

yolov3-tiny2onnx2trt 将您的yolov3-tiny模型转换为trt模型 设备：nvidia jetson tx2 jetpack版本：jetpack4.2： ubuntu18.04 tensorrt5.0.6.3 cuda10.0 cudnn7.3.1 其他： python=2.7 numpy=1.16.1 onnx=1.4.1 (important) pycuda=2019.1.1 Pillow=6.1.0 wget=3.2 自定义设置 data_processing.py: line14: LABEL_FILE_PATH = '/home/nvidia/yolov3-tiny2onnx2trt/coco_labels.txt' line19: CATEGORY_NUM = 80 yolov3_to_onnx.py: line778: img_siz

PyTorch-YOLOv3 YOLOv3的最小PyTorch实现，支持培训，推断和评估。 安装克隆和安装要求$ git clone https://github.com/eriklindernoren/PyT PyTorch-YOLOv3最小的PyTorch YOLOv3实现，支持培训，推断和评估。 安装克隆和安装要求$ git clone https://github.com/eriklindernoren/PyTorch-YOLOv3 $ cd PyTorch-YOLOv3 / $ sudo pip3 install -r requirements.txt下载预训练的砝码$ cd weights / $ bash download_weights.sh下载COCO $ cd data / $ bash get_coco_dataset.sh测试在COCO测试中评估模型。 $ python3 test.py --weights_path权重/ yo

yoloV3 voc_label.py!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!

基于pytorch复现的yolov3工程darknet网络参数，该参数基于coco2017数据集训练得到，压缩包内容为pt文件。

yolov3数据增强实现

1、yolov3算法，采用mobilenetv3的轻量级水果检测算法； 2、仅包含预测部分代码，内含训练好的权重； 3、使用方法见readme； 4、内容可参考：https://blog.csdn.net/qq_40035462/article/details/116172637。

1、检测图片中是否有任务跌倒； 2、https://blog.csdn.net/qq_40035462/article/details/123136775

yolov3主体程序的记事本实现