1、yolov3行人跌倒检测，包含yolov3训练好的行人跌倒检测权重以及PR曲线，loss曲线等等，map达90% 多，在行人跌倒数据集中训练得到的权重，目标类别为fall 共1个类别，并附1000多张行人摔倒数据集，标签格式为txt和xml两种，分别保存在两个文件夹中 2、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 3、采用pytrch框架，python代码，可以和YOLOv5共用一个环境，配置好环境就可以加载已经训练好的模型直接进行测试，得出结果

Tensorflow (TF-Slim)实现的YOLO v3 目标检测

交通标示牌yoloV3模型数据集

1、yolov3车辆行人检测，包含yolov3训练好的车辆行人检测权重以及PR曲线，loss曲线等等，map达90% 多，在一万多张交通场景行人车辆数据集中训练得到的权重，目标类别为person和car 共2个类别，并附5000多张行人车辆检测数据集，标签格式为txt和xml两种，分别保存在两个文件夹中 2、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 3、采用pytrch框架，python代码，可以和YOLOv5共用一个环境，配置好环境就可以加载已经训练好的模型直接进行测试，得出结果

制作VOC2007格式数据集并训练YOLOv3权重文件-附件资源

1、YOLOv3水果新鲜程度检测，包含YOLOv3训练好的水果好坏检测权重，目标类别为apple、bad banana、banana和bad apple 共4个类别，并附有几百张水果新鲜程度检测数据集，标签格式为txt和xml两种，分别保存在两个文件夹中 2、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 3、采用pytrch框架，python代码

1、yolov3水果检测，包含yolov3和yolov3_tiny两种训练好的水果检测权重，目标类别为apple、banana和orange 3个类别，并附有几百张水果数据集 2、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 3、采用pytrch框架，python代码

可以参考这个视频，使用opencv，手敲代码实现目标检测

1、YOLOv3训练好的火焰检测模型，包含YOLOv3和YOLOv3_tiny两种训练好的火焰识别权重。并包含2000多张标注好的火焰数据集，标签格式为xml和txt两种，类别名为fire，配置好环境后可以直接使用 2、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 3、采用pytrch框架，代码是python的

1、YOLOv3训练好的汽车检测模型，包含YOLOv3和YOLOv3_tiny两种训练好的汽车识别权重，从自动驾驶场景KITTI汽车检测数据集训练得到。 2、自动驾驶场景KITTI汽车检测数据集：https://download.csdn.net/download/zhiqingAI/85208797 3、并包含1000多张标注好的城市交通场景的数据集，标签格式为xml和txt两种，类别名为car，配置好环境后可以直接使用 4、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 5、采用pytrch框架，python代码