通过java代码使用yolov3的示例代码，yolov3是先进的图片内物品识别的神经网络。由于目前通过jvm运行神经网络效率较低，项目的示例意义大于实用意义。 此项目参考了yolov2的java项目：https://github.com/szaza/android-yolo-v2，是在这个项目的基础上改造成的yolov3示例。 此项目使用springboot和maven，下载项目和依赖后运行起来访问localhost:8080即可使用。项目内的模型和依赖比较重，下载需要一段时间。

二次开发 labelImg - 中文版 热键 Ctrl + u 从目录加载所有图像 Ctrl + r 更改默认注释目标目录 Ctrl + s 保存 Ctrl + d 复制当前标签和矩形框 Space 将当前图像标记为已验证 w 创建一个矩形框 d 下一张图片 a 上一张图片 del 删除所选的矩形框 Ctrl++ 放大 Ctrl-- 缩小 ↑→↓← 键盘箭头移动选定的矩形框 工具说明 生成Yolov3目录 选择目录自动生成Yolov3目录结构 data\backup data\cfg data\obj 标注图片目录 生成Yolov3标注 选择自动生成的Yolov3 自动读取data\obj目录生成 data\train.txt data\voc.data data\voc.names 注： 生成标注目录请切换YOLO 模式

.YOLOV3darknet.-master...YOLOV3,目标检测算法，目前速度比较快的算法

./darknet partial cfg/yolov3-tiny.cfg yolov3-tiny.weights yolov3-tiny.conv.15 15 结果

使用YOLOv3模型训练自己的数据集，在Ubuntu16.04下面已经能够成功运行，下载使用好了给个好评，O(∩_∩)O谢谢

该文档为目标检测算法YOLOV3在训练数据集时所使用的预训练模型。YOLOV3训练数据集的具体方法可以参考本人在csdn上写的博客https://blog.csdn.net/qq_41900772/article/details/95064437

自然场景OCR（YOLOv3+CRNN）,附带整个项目代码，详细代码注释

自然场景OCR（YOLOv3+CTPN+CRNN）,附带整个项目代码，详细代码注释

yolo.h5 基于最新的YOLOv3, 通过权重转换生成的文件

里面包含用YOLOv3在usa数据集上的检测结果，对应的csdn为https://blog.csdn.net/qq_33614902/article/details/82622561