历时一个多月之久，将YOLOV3-spp代码一行一行学习完毕，精心整理一份思维导图，思维导图分为训练部分和预测部分，包含模型搭建-->数据集加载-->损失函数计算-->评价等几部分，并将代码中隶属于不同功能的部分涂上了不同颜色，很直观，顺着思维导图的流程可以掌握YOLOv3实现的过程。链接放在这里。思维导图纯原创，可以自用，未经作者同意禁止传播！

机动车自行车行人融合数据集主要来自自己拍摄和自行整理的voc2012，总共8500+张图片，图片均为国内外机动车自行车摩托车巴士，覆盖晴天，阴天，雨天，低能见度天气等复杂场景，且均已标注。可用于深度学习，用于YOLOv5的训练,用于嵌入式比赛，使用YOLOv5s.pt，训练300轮，可达到较好检测效果。 类别：bus,car,motorbike,bicycle，person 机动车自行车行人融合数据集主要来自自己拍摄和自行整理的voc2012，总共8500+张图片，图片均为国内外机动车自行车摩托车巴士，覆盖晴天，阴天，雨天，低能见度天气等复杂场景，且均已标注。可用于深度学习，用于YOLOv5的训练,用于嵌入式比赛，使用YOLOv5s.pt，训练300轮，可达到较好检测效果。 类别：bus,car,motorbike,bicycle，person

使用yolov5进行摔倒检测，文件包含项目所需的所有文件，也包括环境安装文件，包含已训练好的模型权重文件，包含官方的detect文件和自写的demo，运行demo_person_fall.py即可，可自行更改路径识别图片和视频

已由DK数据工作室整理好，训练集和验证集也已经划分好，接近500张照片，每张照片带有txt格式的标注，直接适用于YOLO目标检测项目

口罩检测数据集，已由DK数据工作室处理好，已划分训练集和验证集，共8000张图片，可直接适用于YOLO目标检测代码

在运行目标检测典型算法yolov3时，有不同的神经网络可供选择，该文件是spp版本，文件提供了神经网络中不同类型的层的配置参数包括batch_size, width,height,channel,momentum,decay，learning_rate等。

YOLO，YOLO 的核心思想就是利用整张图作为网络的输入，直接在输出层回归 bounding box（边界框） 的位置及其所属的类别。

在运行目标检测典型算法yolov2时，有不同的神经网络可供选择，该文件是tiny版本，文件提供了神经网络中不同类型的层的配置参数包括batch_size, width,height,channel,momentum,decay，learning_rate等。

现在网上很少关于C#目标检测的例子，要么质量不高，需要用Py 本例子基于开源代码，改成了WINFORM应用

基于C#的目标检测程序