YOLO算法v1v2v3三篇论文英文原文，cv目标检测、深度学习必学经典论文。。。。。。。。。。。。。。。

如果你想对小型和大型物体都要训练，使用修改后的yolov3的Tiny-model的配置文件，包含了3个yolo layers。

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voc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。

drone无人机数据集，用于目标检测和跟踪，3300多张，目标包含大中小各种尺度的无人机，类别名drone，标签格式为txt,和xml两种，可直接用于YOLO目标检测和deepsort 目标跟踪等等

无人机目标检测和跟踪数据集，近一万张，每张图片都是从高分辨率图片中切割出来的，都被切割成了416x416大小，类别名为drone,小目标，标签为txt格式和xml格式，可直接用于YOLO目标检测

yolo系列 keams聚类anchors

Visdrone数据集YOLOv5s和YOLOv5m两个模型的训练结果，训练了300个epoches ;YOLOv5使用的是第五个版本，并且提供有相关场景下的测试的视频，有需要的可以下载

目标检测无人机数据集之（三），包含1万多张无人机飞行图片，目标小，适合小目标检测和跟踪，类别名为drone，标签格式为YOLO格式和VOC两种格式,即txt和xml ;这是无人系列第三个数据，和前两个上传的资源没有重复数据，有需要的可放心下载使用

含voc2012和2017的20类训练和测试的数据集，附带单独的people类行人检测可用的voc数据集，总计压缩文件2.12g

【为什么要学习这门课】 Linux创始人Linus Torvalds有一句名言：Talk is cheap. Show me the code. 冗谈不够，放码过来！代码阅读是从基础到提高的必由之路。 YOLOv5是最近推出的轻量且高性能的实时目标检测方法。YOLOv5使用PyTorch实现，含有很多业界前沿和常用的技巧，可以作为很好的代码阅读案例，让我们深入探究其实现原理，其中不少知识点的代码可以作为相关项目的借鉴。 【课程内容与收获】 本课程将详细解析YOLOv5的实现原理和源码，对关键代码使用PyCharm的debug模式逐行分析解读。 本课程将提供注释后的YOLOv5的源码程序文件。   【相关课程】 本人推出了有关YOLOv5目标检测的系列课程。请持续关注该系列的其它视频课程，包括： 《YOLOv5(PyTorch)目标检测实战：训练自己的数据集》 Ubuntu系统 https://edu.csdn.net/course/detail/30793 Windows系统 https://edu.csdn.net/course/detail/30923 《YOL