Yolov4-deepsort头盔检测 使用DarknetYOLOv4模型训练的头盔（安全帽）检测器。 测试环境 Windows 10 x64 2020 (build 19041.388) NVIDIA RTX 2070 Super CUDA 10.1 / CuDNN 7.6.5 Python 3.7.7 x64 tensorflow 2.2.0 GPU 训练体重 将重量文件放在./configs 要使用自己的数据集进行训练，您应该使用 。 并需要更改一些参数 使用的数据集 +约100张图片 依存关系 Python opencv-python，numpy，scikit图像在图像上画框和文字 张量流2.2.0 使用DeepSORT模型跟踪对象 matplotlib 创建颜色图 CUDA 10.1 / CuDNN 7.6.5 暗网 用于yolov4对象检测 dark.dll,

yolov4发布了，git上面下载太慢，经常容易断网，故将下载下来的共享出来

此资源包括yolov4的代码、预训练模型、训练好的权重、cfg、论文。一步到位 Github上下载太慢了，浪费时间。自己用过的，在此提供个方便。 希望大家放心下载。好好学习！！

在Azure上训练自定义YOLO v4暗网模型并在IoT Edge上与Azure Live Video Analytics一起运行 目录 训练定制的YOLO v4模型 先决条件 SSH客户端或命令行工具-对于Windows，请尝试 SCP客户端或命令行工具-对于Windows，请尝试 Azure订阅-适用于新客户的。 熟悉Unix命令-例如vim ， nano ， wget ， curl等。 视觉对象标记工具 在Azure中的Ubuntu（18.04）虚拟机上安装并运行测试 通过使用项目VM设置来设置N系列虚拟机。 SSH进入带有用户名和密码的Ubuntu DSVM（如果使用ssh密钥，则使用该密钥） 如果这是公司订阅，则可能需要删除Azure门户中“网络”下的入站端口规则（删除Cleanuptool-Deny-103） 通过运行以下命令测试Darknet可执行文件。 获得YO