深度学习，目标检测框架yolov3，作为最经典的一步法的模型之一，在精度中等的情况下并保证了很快的速度。这里提供了官方训练好轻量级权重模型yolov3-tiny.weights

1、针对金属表面缺陷检测中目标尺寸小和特征不清晰导致漏检的问题，应用YOLOv3算法对钢铁缺陷进行检测。首先概述了YOLOv3算法整体结构和原理，然后在YOLOv3网络结构的基础上,使用paddlex框架进行了实验。对实际生产中的钢铁缺陷图像采用数据增强操作进行预处理，进而进行模型训练，最后对测试集图像进行预测，并输出可视化结果。降低了检测中人力资源成本浪费，并减少废品钢铁产出。 2、本资源为小论文形式，并使用paddlepaddle进行实验，讲述较完整的实验流程。

详细的yolov3-darknet代码解析。

1、pytorch框架YOLOv3在Visdrone开源数据集的训练权重和代码； 2、3个训练好的模型YOLOv3、yolov3-tinyt、YOLOv3-spp； 3、map、PR、recall、loss、等各种训练曲线图； 4、Ultralytics 版YOLOv3版的代码。

1、YOLOv3电塔绝缘子训练好的模型，压缩包内有代码，代码为ultralytics版YOLOv3， 2、classes: Insulator 3、内有map、pr、recall、loss等曲线图

使用计算机视觉的交通信号违章检测系统 介绍 这是一种用于从头开始开发系统的软件。 理解这一点将有助于系统开发和系统的基本结构，以及计算机视觉，带有python库Tkinter的GUI和基本的opencv。 如果没有时间，请去。 表中的内容 动机 该项目是为第三学期第二学期系统开发（CSE-3200）课程而设计的。 介绍 城市中越来越多的汽车会导致大量的交通，这意味着在孟加拉国乃至世界范围内，如今违反交通法规的行为变得越来越严重。 这造成财产的严重破坏和更多的事故，可能危及人民的生命。 为了解决警报问题并防止此类不可思议的后果，需要使用交通违规检测系统。 系统会始终为此执行适当的交通法规，并逮捕不遵守法规的人员。 由于当局一直在跟踪道路，因此必须实时实现交通违章检测系统。 因此，交通执法人员不仅可以轻松准确地实施安全道路，而且还可以有效地进行道路建设。 交通检测系统能够比人类更快地检测到违

相比于官方给出的基于darknet框架的YOLOv3，基于PyTorch的YOLOv3源码易懂，使用更方便。我将自己在学习和探索过程中遇到的问题和解决的经验在这里与大家分享，希望能为初学者提供一些帮助。 1. 运行detect.py 时，出现RuntimeError:Invalid DISPLAY variable 解决方法：给detect.py的 import matplotlib 后面line22加 plt.switch_backend(‘agg’) 2. 训练时出现 UserWarning: indexing with dtype torch.uint8 is now deprecat

在众多Pytorch Yolov3 版本中，找到了一版能成功实现libtorch调用的版本。包含修改后的Pytorch源码+模型生成脚本，和libtorch测试的cmake（仅包含前向传播，目前没有非极大值抑制和图像预处理）。系统Ubuntu18.04

libtorch-yolov3：YOLO v3对象检测算法的Libtorch实现

使用Python Opencv加载yolov3权重，实现物体检测。详见：https://blog.csdn.net/hhhhhhhhhhwwwwwwwwww/article/details/122386143?spm=1001.2014.3001.5501