转载于https://blog.csdn.net/sxfd91307/article/details/94980559?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522162737166216780366525358%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=162737166216780366525358&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~baidu_landing_v2~default-1-94980559.pc_search_result_before_js&utm_term=%E5%B0%86voc%E6%95%B0%E6%8D%AE%E9%9B%86%E8%BD%AC%E6%8D%A2%E6%88%90yolo&spm=1018.2226.3001.4187，方便自己以后查找使用

可以在arm嵌入式上运行的检测代码，无需编译直接运行，已在树莓派上测试过

先放下视频效果吧：bilibili视频效果 pytorch版本 csgo设置： 鼠标设置中：灵敏度调8，关闭原始数据输入 视频设置中：窗口化运行，并拖放到屏幕左上角（我的移动鼠标的参数是根据这里的坐标写的，不然移动鼠标不准，大家可以自己测试下全屏时，移动鼠标的输入量和准星的移动对应关系） python库： 获取截图：PIL 目标检测：YOLOv3相关依赖 控制鼠标：pyautogui 代码是在Pytorch版yolov3代码中文注释详解基础上修改的， 基本是上文的原文，就自己按照理解修改了下注释。 完整工程下载连接 以下是我改的CSGO.py： 其中， 自己实测的数据：游戏中移动像素数=mo

Yolov3随机手写数字数据集 包含4000张可以直接使用的数据集 以及制作好的原始待检测视频+自己训练好的模型的检测视频

基于YOLOv3的行人检测项目，支持图片、视频流和摄像头实时检测，模型权重都在里面，拿来即可运行，GUI设计美观，检测效果很好。

YOLOv3 caffe模型 包括prototxt以及caffemodel 已将batchnorm合并到convolution里

tensorflow2.1实现yolov3目标检测算法带简单自定义数据集，本来66张标注好的图片，由于上传限制全部删除，请自行自作并添加，还有用66张图片训练好的权值，请参照博客：https://blog.csdn.net/ABCDABCD321123/article/details/105182644 进行修改，如有疑问请在博客下留言，看到必回

windows 下训yolov3练自己的数据集-附件资源

1.下载 代码网址：https://github.com/ultralytics/yolov3 权重文件：这个好久之前下载的了网址找不到了 2.代码环境 Readme写的是python3.7，我用的是3.6 其他的根据requirements.txt安装可运行，可以先使用以下代码安装 pip install -U -r requirements.txt 安装列表中包含 numpy opencv-python >= 4.1 torch >= 1.4 matplotlib pycocotools tqdm pillow 你在安装中可能会遇到以下问题 提示torch版本不对 【解决方案】通过官网代码

C# 调用opencvsharp的进行yolov3目标检测，其中C#版本2017，opencv版本4.1