yolov3可以實時地進行端到端的目標檢測，以速度快見長。
本課程的yolov3使用darknet，在ubuntu上做專案演示。包括：安裝darknet、給自己的資料集打標籤、整理自己的資料集、修改配置檔案、訓練自己的資料集、測試訓練出的網路模型、效能統計(map計算和畫出pr曲線)和先驗框聚類。
darknet是使用c語言實現的輕型開源深度學習框架，依賴少，可移植性好，值得深入**。
本人推出的有關yolov3的系列課程包括：
（1）yolov3目標檢測實戰：訓練自己的資料集（即本課程）
（2）yolov3目標檢測實戰：交通標誌識別
（3）yolov3目標檢測：原理與原始碼解析
（4）yolov3目標檢測：網路模型改進方法
下圖是足球和梅西同時目標檢測的乙個測試結果：
目標檢測之用yolov3訓練自己建立的資料集
目錄 一 環境變數的配置 二 正式運用yolov3訓練自己的建立的資料集 今天從上午11點半剛到晚上9點鐘，終於把訓練的步驟調出來了 爽的一批，截圖為證 這一步賊重要，這一步出的任何錯誤都要解決，否則到後面會很頭疼的。opencv配置1 超詳細 opencv配置2 我配置時出現了兩個錯誤，乙個是沒找...
yolov3訓練自己的資料集
6.測試訓練出的網路模型 訓練好後可以在 backup看到權重檔案 嘗試test前要修改cfg檔案,切換到test模式。可以重新建立乙個測試cfg檔案,如yolov3 voc ball test.cfg 測試 darknet detector test cfg voc ball.data cfg y...
yolov3檢測人頭 基於yolo v3的人臉檢測
一 實驗環境的搭建 1.安裝環境配置 python 3.6 tensorflow gpu 1.6.0 keras pillow opencv python matplotlib numpy 沒有通過pip安裝 例如 pip install keras 2.啟動虛擬環境，並且安裝對應的實驗環境 3.模...