文件名称：深度学习之yolov3的目标检测
文件大小：34.33MB
文件格式：ZIP
更新时间：2022-05-10 04:29:56
图像识别 目标检测
YOLO 的核心思想就是利用整张图作为网络的输入，直接在输出层回归 bounding box（边界框） 的位置及其所属的类别。 faster-RCNN 中也直接用整张图作为输入，但是 faster-RCNN 整体还是采用了RCNN 那种 proposal+classifier 的思想，只不过是将提取 proposal 的步骤放在 CNN 中实现了，而 YOLO 则采用直接回归的思路。
【文件预览】：
yolo
----YOLOv3paper.pdf(2.34MB)
----1.jpg(101KB)
----darknet_no_gpu.exe(989KB)
----yolov3参数.cfg(10KB)
----windows_v1.7.0()
--------data()
--------OpenGL.dll(76KB)
--------labelImg.exe(12.87MB)
----labels.rar(6KB)
----YOLO V3 结构.jpg(56KB)
----training_list.txt(13KB)
----gen_anchors.py(5KB)
----YOLOV3部分注释代码.zip(3.65MB)
----windows_v1.7.0.zip(12.77MB)
----createSwapfile.sh(2KB)
----YOLOv3.txt(357B)
----在YOLOv3上训练自己的图片集.pdf(87KB)
----如何画PR曲线（参照KITTI）.docx(19KB)
----2018_000001.jpg(2.26MB)
----keras-yolo3-master.zip(108KB)
----labels()
--------side.png(658B)
--------front.png(783B)
--------head.png(365B)
--------make_labels.py(651B)
--------back.png(702B)
--------shoe.png(455B)
--------bag.png(378B)
--------down.png(430B)
--------top.png(420B)
--------hat.png(448B)
--------people.png(655B)
----darknet_no_gpu()
--------.rsrc()
--------.gfids(512B)
--------.textbss(0B)
--------.idata(9KB)
--------.00cfg(512B)
--------.text(782KB)
--------.rdata(160KB)
--------.data(5KB)
--------.pdata(23KB)
--------.reloc(8KB)