文件名称：YoloV3-Custom-Object-Detection:使用 YoloV3 进行自定义对象检测
文件大小：2.95MB
文件格式：ZIP
更新时间：2024-06-19 18:42:51
computer-vision deep-learning pytorch object-detection yolov3
使用 YoloV3 进行自定义对象检测 此存储库包含使用 YOLOv3 训练您自己的自定义对象检测器的代码。 我已经使用的代码来训练模型。 确保也检查他们的存储库。 这很棒。 我对文件夹结构和一些代码进行了一些更改以训练我自己的模型。 我已经在我的博客和中等平台上发布了一个教程指南，以训练您自己的模型。 这是链接： 以下是您可以看到的一些图像推断结果： 如果您有任何问题、建议或批评，可以通过或我的我联系。 请随时与我联系。 参考和信用
【文件预览】：
YoloV3-Custom-Object-Detection-master
----.jpg(106KB)
----models.py(20KB)
----training()
--------trainer.data(348B)
--------images()
--------yolov3.cfg(8KB)
--------train_test.py(788B)
--------object.names(31B)
--------labels()
----cfg()
--------yolov3-spp-3cls.cfg(8KB)
--------yolov3-tiny-1cls.cfg(2KB)
--------yolov3-spp.cfg(8KB)
--------csresnext50-panet-spp.cfg(10KB)
--------yolov3-spp-matrix.cfg(13KB)
--------yolov3-tiny-3cls.cfg(2KB)
--------yolov3-spp-1cls.cfg(8KB)
--------yolov3s.cfg(8KB)
--------yolov3-spp-pan-scale.cfg(10KB)
--------yolov3.cfg(8KB)
--------yolov3-spp3.cfg(9KB)
--------yolov3-1cls.cfg(8KB)
--------yolov3-tiny.cfg(2KB)
----data()
--------coco_paper.names(702B)
--------coco.names(621B)
--------coco2014.data(85B)
--------coco1.data(75B)
--------get_coco2017.sh(871B)
--------coco64.txt(3KB)
--------coco1.txt(42B)
--------coco16.txt(672B)
--------samples()
--------coco1cls.data(80B)
--------get_coco2014.sh(872B)
--------coco1cls.txt(672B)
--------coco16.data(77B)
--------coco2017.data(87B)
--------coco64.data(77B)
----test.py(10KB)
----train.py(23KB)
----__pycache__()
--------models.cpython-37.pyc(13KB)
----Dockerfile(2KB)
----head.jpg(106KB)
----output()
--------headphone.jpg(192KB)
--------book.jpeg(326KB)
--------multiple.jpg(865KB)
----LICENSE(34KB)
----ds.jpg(70KB)
----detect.py(7KB)
----requirements.txt(876B)
----conversion()
--------objectmapper.py(2KB)
--------xmltotxt.py(1009B)
--------xmls()
--------output()
--------classes.txt(31B)
--------reader.py(662B)
--------transformer.py(2KB)
----examples.ipynb(860KB)
----.dockerignore(4KB)
----weights()
--------download_yolov3_weights.sh(756B)
----README-Ultralytics.md(17KB)
----README.md(1KB)
----utils()
--------adabound.py(11KB)
--------utils.py(39KB)
--------__pycache__()
--------datasets.py(33KB)
--------torch_utils.py(6KB)
--------gcp.sh(10KB)
--------__init__.py(0B)
--------parse_config.py(2KB)
--------google_utils.py(3KB)