YOLOv3目标检测模型
yolov3 的目标检测能力挺强，尤其在实时性这块表现还不错。用的是轻量的Darknet架构，训练速度快，部署也方便，适合做嵌入式项目或者边缘设备部署。
你要是平时玩图像识别或者搞过PyTorch/TensorFlow，上手也蛮快。代码结构清晰，训练配置直接改.cfg文件就行，嗯，响应也挺灵活。
我
红外目标检测 yolov3 Linux内核
当前话题为您枚举了最新的红外目标检测 yolov3 Linux内核。在这里，您可以轻松访问广泛的教程、示例代码和实用工具，帮助您有效地学习和应用这些核心编程技术。
一种基于yolov3的红外目标检测系统的安装与配置
在开发机上应用kgdb补丁到Linux内核，设置内核选项并编译内核。根据README文件中的说明执行对应体系结构的补丁程序。应用补丁文件时，请遵循kgdb软件包内series文件所指定的顺序。在编译内核之前，请注意Linux目录下Makefile中的优化选项，默认的Linux内核的编译都以-O2的优
YOLOv5红外遥感图像目标检测系统
红外遥感图像目标检测系统，基于YOLOv5模型设计。
Yolov3在Python Web环境中的应用
Yolov3在Python Web环境中的应用提供了一种高效的目标检测解决方案。档包含了详细的操作步骤和代码示例，帮助开发者快速在Python Web环境中部署和运行Yolov3模型。
基于yolov5目标检测的跌倒检测数据集（voc格式）-下部
基于yolov5目标检测的跌倒检测数据集（voc格式）-下部
yolov3手写数字图片和标注改写版1
yolov3手写数字图片和标注，包含少量印刷数字。标注需要大量人工操作，历时5天完成4056个图片数据的标注。
目标检测pytorch复现SSD目标检测项目项目源码
SSD（Single Shot MultiBox Detector）是大神Wei Liu在ECCV 2016上发表的一种的目标检测算法。对于输入图像大小300x300的版本在VOC2007数据集上达到了72.1%mAP的准确率并且检测速度达到了惊人的58FPS（ Faster RCNN：73.2%m
PETR Transformer 3D目标检测方案
PETR 模型的 3D 目标检测能力还挺有意思的，尤其是它那个 Transformer 解码器，做得蛮巧妙。你要是经常折腾多视角图像，或者在搞 J5 部署优化，这套改造方案还真值得研究一下。像把ResNet50换成、用1x1 卷积优化掉Linear层这些操作，真是又快又省事，推理速度提上去了不说，兼
DeepSort_YOLOv5：目标跟踪实战
利用YOLOv5强大检测能力，实现精准高效的目标跟踪。
Windows平台YOLO v3目标检测实战
基于TensorFlow框架的YOLO v3模型，在Windows系统环境下完整运行，包含训练和测试代码示例，轻松上手，快速搭建目标检测应用。