二次开发 labelImg - 中文版 热键 Ctrl + u 从目录加载所有图像 Ctrl + r 更改默认注释目标目录 Ctrl + s 保存 Ctrl + d 复制当前标签和矩形框 Space 将当前图像标记为已验证 w 创建一个矩形框 d 下一张图片 a 上一张图片 del 删除所选的矩形框 Ctrl++ 放大 Ctrl-- 缩小 ↑→↓← 键盘箭头移动选定的矩形框 工具说明 生成Yolov3目录 选择目录自动生成Yolov3目录结构 data\backup data\cfg data

在运行目标检测典型算法yolov3时，有不同的神经网络可供选择，该文件是voc版本，文件提供了神经网络中不同类型的层的配置参数包括batch_size, width,height,channel,momentum,decay，learning_rate等。

遮罩检测 该Python脚本用于检测给定图像中的人是否戴着口罩。 使用Darknet训练了自定义数据集。 实时检测的用法： python yolo-live-cv2.py --yolo yolo 从图像检测的用法： python custom_detector.py --image“ / path / to / image” --config“ /cfg/yolov3-custom.cfg” --weights“ weights / yolov3-custom_final.weights”

1 、运行darknet官方代码中的detector valid指令，生成对测试集的检测结果。 .\darknet detector valid -out “” 其中voc.data和cfg文件就是你当时训练用的配置文件，weights文件就是你训练出来的结果，其中需要修改的是voc.data文件，其中应该是有五行的，其中第三行是valid就是需要验证测试集的路径。 2、执行完之后应该会在程序的当前目录生成一个results文件夹，里面存有检测结果，文件名为comp4_det_test_.