OpenCV-YOLOv3示例代码、预训练模型以及测试图像/视频。让我们看看YOLO如何在一张图片中检测目标。 首先，它把原图按比例平均分解成一张有13x13网格的图片。这169个单元会根据原图的大小而改变。对于一张416x416像素的图片，每个图片单元的大小是32x32像素。处理图片时，会以图片单元为单位，预测单位中的多个边界框。 对于每个边界框，这个网络会计算所包含物体的边界框的置信度，同时计算所包含的目标是属于一个特定类别的可能性大小。 非最大抑制（non-maximum suppression）可以消除低置信度的边界框，以及把同时包围着单个物体的多个高置信度的边界框消除到只剩下一个。

resnet50_weights_tf_dim_ordering_tf_kernels.h5 速度快，准确率高，参数不多

官方h5权重文件，xception_weights_tf_dim_ordering_tf_kernels Linux下是放在“~/.keras/models/”中 windows用户直接将文件放置在：C:\Users\用户名\.keras\models 下即可。官方GitHub下载速度慢，给需要的朋友们。

python使用yolov3/yolov3-tiny训练好的权重文件.weights进行行人检测，批量测试自定义文件夹下的图片并输出至指定文件夹 目录 python使用yolov3/yolov3-tiny训练好的权重文件.weights进行行人检测，批量测试自定义文件夹下的图片并输出至指定文件夹 一、写在开头 二、已有的环境条件    1. pycharm–python    2. opencv3.4    3. 用yolov3训练好了自己的权重文件.weights ​ ​三、文件目录结构 ​四、批量测试图片测试程序 五、进行测试  六、写在最后 一、写在开头         最近在做毕业设计

densenet121_weights_tf_dim_ordering_tf_kernels_notop

model weight in this repo https://github.com/fchollet/deep-learning-models Keras提供的预训练权重

yolov5官方权重文件包含yolov5l.pt yolov5s.pt yolov5m.pt yolov5x.p 包含v3.1和v4.0版本

weights.zip yolo v5 weights

On the Legendre-Gauss-Lobatto Points and Weights 确定Legendre-Gauss-Lobatto点的方法

官方h5权重文件，直接解压即可用。windows用户将文件放置在：C:\Users\用户名\.keras\models 下即可。官方GitHub下载速度慢，给需要的人