from darkflow.net.build import TFNet
import cv2
import numpy as np
options ={'model':'cfg/yolo.cfg','load':'bin/yolo.weights','threshold':0.1}
tfnet = TFNet(options)
img = cv2.imread('/Users/qyk/Desktop/2.jpg')
img = cv2.cvtColor(img,cv2.COLOR_RGB2BGR)
result = tfnet.return_predict(img)
print(result)
darkflow yolo
2018-04-01
1627
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
目录
相关文章
|
6月前
|
机器学习/深度学习
数据可视化
网络架构
|
6月前
|
机器学习/深度学习
监控
算法
|
6月前
|
监控
算法
自动驾驶
|
5月前
|
机器学习/深度学习
计算机视觉
网络架构
|
6月前
|
计算机视觉
YOLOv8改进 | 2023Neck篇 | 利用Gold-YOLO改进YOLOv8对小目标检测
YOLOv8改进 | 2023Neck篇 | 利用Gold-YOLO改进YOLOv8对小目标检测
297
1
1
|
算法
Go
计算机视觉
|
数据挖掘
|
算法
|
机器学习/深度学习
人工智能
固态存储
YOLO v1详细解读
《You Only Look Once: Unifified, Real-Time Object Detection》
Joseph Redmon∗* , Santosh Divvala∗†, Ross Girshick*¶* , Ali Farhadi∗†
University of Washington∗ , Allen Institute for AI*†* , Facebook AI Research*¶**
272
0
1
|
计算机视觉
