yolo

YOLO---多个版本的简单认识 YOLOv3 有好几个经典版本了： 一、YOLOv3 (Darknet）官网 @ https://github.com/pjreddie/darknet 二、YOLOv3（darknet优化了）@ https://github.com/AlexeyAB/darknet 三、YOLOv3 with OpenCV官网 @ https://github.com/JackKoLing/opencv_deeplearning_practice/tree/master/pracice3_opencv_yolov3 引用： windows版本：请参考 https://github.com/AlexeyAB/darknet linux版本：请参考 https://pjreddie.com/darknet/yolo 简介 一、YOLOv3 (Darknet）官网 @ https://github.com/pjreddie/darknet 　　一开始github上最热的开源项目，在linux系统下做的，现在各个大神改版也有在windows下使用了。 下载并备齐：darknet、选配yolov3.weights + yolov3.cfg、... 依赖环境：C++、OpenCV、python、... 编译情况：下载源文件，需要make进行编译后，才能使用 支持

参考链接： https://blog.csdn.net/dhaduce/article/details/80379792 英文： https://jkjung-avt.github.io/yolov3/ 将Youtube上面的视频下载下来的转码网址： https://www.findyoutube.net/result 直接把需要下载的视频的连接放进指定位置即可 在TX2上调用板载摄像头： https://blog.csdn.net/qq_36302589/article/details/85236075 TX2 使用板载摄像头进行KITTI车辆检测 https://blog.csdn.net/weixin_43640369/article/details/83895037 Yolo目标检测用Opencv: https://www.pyimagesearch.com/2018/11/12/yolo-object-detection-with-opencv/ 二维码基本原理： https://blog.csdn.net/u012611878/article/details/53167009 来源： https://blog.csdn.net/weixin_42708378/article/details/98880868

OpenCV DNN之YOLO实时对象检测 OpenCV在3.3.1的版本中开始正式支持Darknet网络框架并且支持YOLO1与YOLO2以及YOLO Tiny网络模型的导入与使用。YOLO是一种比SSD还要快的对象检测网络模型，算法作者在其论文中说FPS是Fast R-CNN的100倍，基于COCO数据集跟SSD网络的各项指标对比 在最新的OpenCV3.4上我也测试了YOLO3，发现不支持，因为YOLO3有个新层类型shortcut，OpenCV3.4的Darknet暂时还不支持。这里首先简单的介绍一下YOLO网络基本结构，然后在通过代码演示Darknet支持的YOLO在OpenCV使用。 一：YOLO网络 对象检测网络基本上可以分为两种，一种称为两步法、另外一种称为一步法，很显然基于图像分类加上滑动窗口的方式最早的R-CNN就是两步法的代表之一，两步法的前面基本上是一个卷积神经网络，可以是VGGNet或者Inception之类的，然后再加上一个滑动窗口，但是这种方法太慢，所以就有了区域推荐(RP)，预先推荐一些感兴趣的区域，进行预言，这些方法普遍有一个缺点，计算量比较大，导致性能低下无法实时，而YOLO采样了一种完全不同的方法，达到对图像每个区域只计算一次(You Look at Once - YOLO)，YOLO把图像分为13x13的Cell(网格)：