## [TensorFlow2.x-YOLOv3](https://github.com/YunYang1994/cv-notebooks/blob/master/ai_algorithm/YOLOv3.md)
--------------------
A minimal tensorflow implementation of YOLOv3, with support for training, inference and evaluation.
## Installation
--------------------
Install requirements and download pretrained weights
```
$ pip3 install -r ./docs/requirements.txt
$ wget https://pjreddie.com/media/files/yolov3.weights
```
## Quick start
--------------------
In this part, we will use pretrained weights to make predictions on both image and video.
```
$ python image_demo.py
```
<p align="center">
<img width="100%" src="https://user-images.githubusercontent.com/30433053/68088581-9255e700-fe9b-11e9-8672-2672ab398abe.jpg" style="max-width:100%;">
</a>
</p>
## Train yymnist
--------------------
<p align="center">
<img width="70%" src="https://user-images.githubusercontent.com/30433053/68088705-90d8ee80-fe9c-11e9-8e61-589fdc45fe60.png" style="max-width:70%;">
</a>
</p>
Download [yymnist](https://github.com/YunYang1994/yymnist) dataset and make data.
```
$ git clone https://github.com/YunYang1994/yymnist.git
$ python yymnist/make_data.py --images_num 1000 --images_path ./data/dataset/train --labels_txt ./data/dataset/yymnist_train.txt
$ python yymnist/make_data.py --images_num 200 --images_path ./data/dataset/test --labels_txt ./data/dataset/yymnist_test.txt
```
Open `./core/config.py` and do some configurations
```
__C.YOLO.CLASSES = "./data/classes/yymnist.names"
```
Finally, you can train it and then evaluate your model
```
$ python train.py
$ tensorboard --logdir ./data/log
$ python test.py
$ cd ../mAP
$ python main.py # Detection images are expected to save in `YOLOV3/data/detection`
```
Track training progress in Tensorboard and go to http://localhost:6006/
```
$ tensorboard --logdir ./data/log
```
<p align="center">
<img width="100%" src="https://user-images.githubusercontent.com/30433053/68088727-db5a6b00-fe9c-11e9-91d6-555b1089b450.png" style="max-width:100%;">
</a>
</p>
## Citation
--------------------
```
@Github_Project{TensorFlow2.0-Examples,
author = YunYang1994,
email = www.dreameryangyun@sjtu.edu.cn,
title = "YOLOv3: An Incremental Improvement",
url = https://github.com/YunYang1994/TensorFlow2.0-Examples,
year = 2019,
}
```
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
基于python+YOLO+FCSRN开发的自动识别自然场景水电表数字+源码+文档,适合毕业设计、课程设计、项目开发。项目源码已经过严格测试,可以放心参考并在此基础上延申使用,详情见md文档~ 基于python+YOLO+FCSRN开发的自动识别自然场景水电表数字+源码+文档,适合毕业设计、课程设计、项目开发。项目源码已经过严格测试,可以放心参考并在此基础上延申使用,详情见md文档~ 基于python+YOLO+FCSRN开发的自动识别自然场景水电表数字+源码+文档,适合毕业设计、课程设计、项目开发。项目源码已经过严格测试,可以放心参考并在此基础上延申使用,详情见md文档~ 基于python+YOLO+FCSRN开发的自动识别自然场景水电表数字+源码+文档,适合毕业设计、课程设计、项目开发。项目源码已经过严格测试,可以放心参考并在此基础上延申使用,详情见md文档~ 基于python+YOLO+FCSRN开发的自动识别自然场景水电表数字+源码+文档,适合毕业设计、课程设计、项目开发。项目源码已经过严格测试,可以放心参考并在此基础上延申使用,详情见md文档~
资源推荐
资源详情
资源评论
收起资源包目录
基于python+YOLO+FCSRN开发的自动识别自然场景水电表数字+源码+文档(毕业设计&课程设计&项目开发) (196个子文件)
.gitignore 157B
fcsrn.h5 6KB
kite.jpg 1.35MB
0,0,4,7,1,13.jpg 129KB
croped_IMG_20191203_143326.jpg 122KB
croped_2019_12_10_10_30_30.jpg 85KB
croped_2019_12_10_10_05_10.jpg 78KB
croped_2019_12_10_10_06_52.jpg 77KB
croped_IMG_20191203_144159.jpg 66KB
croped_2019_12_10_10_03_33.jpg 65KB
0,2,3,7,8,14.jpg 44KB
0,6,9,6,18,18.JPG 43KB
0,12,13,13,18,8.jpg 40KB
croped_2378.jpg 40KB
croped_微信图片_2019120910243237.jpg 39KB
0,3,4,16,19,19.jpg 38KB
croped_QQ图片20191211085943.jpg 36KB
croped_3449.jpg 36KB
croped_23.JPG 34KB
croped_3478.jpg 33KB
0,0,0,3,4,18.jpg 28KB
croped_微信图片_20191209105349.jpg 27KB
0,3,6,6,15.jpg 25KB
croped_3344.jpg 24KB
0,9,2,6,8,4.jpg 24KB
0,2,7,7,1,17.jpg 24KB
0,2,7,7,2.jpg 24KB
croped_温江_0284_2013005658_珠江国际花园12栋1单元11楼.jpg 23KB
0,3,1,12,1,4.JPG 23KB
croped_温江_0284_2012-06225877_珠江国际花园9栋-1楼.jpg 22KB
croped_366(翻表).jpg 21KB
0,7,18,16,17,3.JPG 20KB
croped_泸州_89084.jpg 20KB
croped_7-2.jpg 20KB
croped_21.JPG 20KB
0,5,15,8,16,0.jpg 19KB
0,1,0,1,6,10.JPG 19KB
croped_微信图片_20191211105645.jpg 18KB
croped_微信图片_20191211105624.jpg 18KB
croped_泸州_108615.jpg 18KB
0,7,1,8,1,12.jpg 18KB
croped_33.JPG 17KB
0,5,7,2,0,13.jpg 17KB
0,2,7,0,3,14.jpg 17KB
croped_18.JPG 17KB
croped_669B1547B8B32710A921C9614F194B0B.jpg 16KB
croped_微信图片_20191211105850.jpg 15KB
croped_微信图片_20191209105418.jpg 15KB
croped_微信图片_2019120910243234.jpg 15KB
croped_11820.jpg 14KB
croped_6-1.jpg 14KB
croped_微信图片_2019120910243222.jpg 13KB
croped_微信图片_20191209105214.jpg 13KB
0,4,3,2,10,18.jpg 11KB
croped_3207.jpg 10KB
croped_微信图片_201912091024329.jpg 10KB
croped_温江_0284_2010-01136557_珠江国际花园1栋8楼.jpg 7KB
0,4,3,3,18,19.jpg 7KB
croped_73C8E79A8191A0BCB0F979FD471F03A3.jpg 7KB
croped_99E606814E6BE925D766D03B3E7388FF.jpg 6KB
0,13,8,12,17,0.jpg 6KB
croped_13E43B88EF1E88FF5932ED292A537726.jpg 5KB
settings.json 80B
README.md 2KB
README.md 262B
road.mp4 782KB
coco.names 625B
yymnist.names 20B
electric_ocr.names 9B
dataset.py 11KB
utils.py 9KB
yolov3.py 8KB
test.py 4KB
train.py 3KB
linedetector.py 3KB
fcsrn_model.py 3KB
fcsrn_dataset.py 3KB
make_dataset.py 2KB
common.py 2KB
video_demo.py 2KB
config.py 2KB
image_demo.py 2KB
backbone.py 1KB
fcsrn_utils.py 1KB
fcsrn_train.py 1KB
config.py 576B
__init__.py 0B
__init__.py 0B
dataset.cpython-36.pyc 8KB
dataset.cpython-37.pyc 8KB
utils.cpython-36.pyc 7KB
utils.cpython-37.pyc 7KB
yolov3.cpython-36.pyc 6KB
yolov3.cpython-37.pyc 6KB
fcsrn_dataset.cpython-37.pyc 3KB
fcsrn_model.cpython-37.pyc 2KB
common.cpython-36.pyc 2KB
common.cpython-37.pyc 2KB
fcsrn_utils.cpython-37.pyc 2KB
config.cpython-37.pyc 931B
共 196 条
- 1
- 2
资源评论
梦回阑珊
- 粉丝: 4511
- 资源: 1657
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 76419D-VB一款N-Channel沟道TO252的MOSFET晶体管参数介绍与应用说明
- 使用 ShuffleNet 模型在 CIFAR-100 数据集上的图像分类
- 中优蓝牙版二维码门禁机是一款功能丰富的智能门禁设备 以下是关于这款门禁机的详细介绍: 全面打通“鲁通码”:中优蓝牙版二维
- Bluetooth Test Specification RF-PHY.TS.5.0.1
- 人造蓝屏代码,ALT+F4关闭
- Bluetooth Test Specification-RF-PHY.TS.5.0.0
- 中优门禁系统支持二维码门禁功能,并且具有多种应用场景和特色功能 以下是关于中优门禁蓝牙二维码的详细介绍: 应用场景:中优
- 系统内核分析工具(64位和32位)
- 中优门禁二维码门禁门禁设备,支持多种开门方式和广泛的应用场景 以下是关于中优门禁二维码门禁机的详细介绍: 开门方式:支持
- Bluetooth Test Specification RF-PHY.TS.5.0.3
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功