YOLOV3：只看一次目标检测模型在Pytorch当中的实现-替换高效网络主干网络 2021年2月8日更新：加入letterbox_image的选项，关闭letterbox_image后网络的地图得到大幅度提升。 目录 性能情况 训练数据集 权值文件名称 测试数据集 输入图片大小 行动计划0.5：0.95 行动计划0.5 挥发性有机化合物07 + 12 VOC-Test07 416x416 -- 78.9 所需环境 火炬== 1.2.0 文件下载 训练所需的efficiencynet-b2-yolov3的权重可以在百度云下载。链接： ： 提取码：hiuq其他版本的efficiencynet的权重可以将YoloBody（Config，phi = phi，load_weights = False）的load_weights参数设置成True，从而获得。 预测步骤 a，使用预训练权

使用yolov3-tiny训练一个人脸检测器-附件资源

YOLOv3树叶识别实践

MVision机器视觉机器视觉 感谢支持 无人驾驶的各个方面知识 1. 感知（Perception）： 主要涉及的技术点包括场景理解、交通状况分析、路面检测、空间检测、 障碍物检测、行人检测、路沿检测、车道检测。还有一个比较新颖有趣的是通过胎压去检测道路质量。 在无人驾驶行业，有一套通用的数据集——KITTI数据集，里面有不同的数据，包括双目视觉的数据、定位导航的数据等。 物体检测（Object Detection）： 传统方法主要是针对固定物体的检测。一般的方法是HOG（ 方向梯度直方图），然后再加一个SVM的分类器。 而对于动

yolov3 代码包 yolov3 代码包 yolov3 代码包

1、YOLOv3汽车、摩托车、卡车三类检测权重，附有各种训练曲线图，可使用tensorboard打开训练日志, 2、1500多张图片，已经标注好，标签格式为voc格式和YOLO格式，可以直接用于目标检测 3、包含以下类别 ：car、motorbike、truck 4、数据集和检测结果：https://blog.csdn.net/weixin_51154380/article/details/126395695?spm=1001.2014.3001.5502

Yolov3+Flask+2k图片+99%检测率权重——交互式框架 0x01 主页视图 0x02 图片检测 0x03 视频检测 0x04 实时检测 0x05 训练数据 0x06 日志记录

包含源代码

yolov3.weights是训练好的权重文件；yolov3.cfg是神经网络的结构文件；coco.names是算法的类别文件

1、YOLOv3摩托车检测训练权重 ，附有各种训练曲线图，可使用tensorboard打开训练日志, map达90%以上， 2、classes: motorbike; 3、包括1500多张数据集，标签格式为VOC和YOLO两种 4、检测结果和数据集参考：https://blog.csdn.net/weixin_51154380/article/details/126395695?spm=1001.2014.3001.5502