文件名称：Object-Detection-YOLOv2:使用YOLOv2的对象检测项目
文件大小：16.47MB
文件格式：ZIP
更新时间：2024-06-01 04:15:35
Python
使用YOLOv2进行目标检测 第2组（本地化）在HDU CS创新与实践课程（2018年Spring）中的最终项目。 灵感 此仓库基于 ，其中包含YOLOv2教程，这是Andrew Ng在的编程任务。 要求 （用于后端）。 （用于模型序列化。） 安装 使用pip在命令行中安装所需的软件包。 请访问上面的官方网站以获取更多详细信息。 pip install numpy h5py pip install tensorflow # CPU-only pip install keras pip install opencv-python 开始使用 （密码：8kim）存储在yolo.h5的现有预先训练的Keras YOLO模型。 （这些权重来自YOLO官方网站，并使用YAD2K编写的函数进行了转换），并将其放入model_data/文件夹中。 将测试图像/视频放入images/或videos/
【文件预览】：
Object-Detection-YOLOv2-master
----images()
--------test.jpg(301KB)
--------street.jpg(437KB)
--------traffic.png(204KB)
--------building.jpg(100KB)
--------dog.jpg(160KB)
--------giraffe.jpg(374KB)
--------person.jpg(111KB)
----yad2k()
--------models()
--------utils()
----yolo_utils.py(5KB)
----font()
--------FiraMono-Medium.otf(124KB)
--------SIL Open Font License.txt(4KB)
----model_data()
--------yolo_anchors.txt(90B)
--------object_classes.txt(3B)
--------coco_classes.txt(625B)
----out()
--------0015.jpg(263KB)
--------0018.jpg(263KB)
--------traffic.mp4(9.92MB)
--------0019.jpg(274KB)
--------person.jpg(96KB)
----videos()
--------library.mp4(1.13MB)
--------traffic.mp4(3.21MB)
----README.md(2KB)
----yolo_v2.py(13KB)
----.gitattributes(66B)