blocks|key|104380|text|对运行YOLOv3的支持已经添加到OpenCV主分支(3.4.3)。|type|unstyled|depth|inlineStyleRanges|entityRanges|data|104381|您应该能够使用YOLOv3配置和权重与OpenCV+DNN模块一起执行对象检测。|offset|length|104382|net+=+cv2.dnn.readNet(args.weights,+args.config)

blob+=+cv2.dnn.blobFromImage(image,+scale,+(416,416),+(0,0,0),+True,+crop=False)

net.setInput(blob)

outs+=+net.forward(get_output_layers(net))|code-block|syntax|javascript|104383|全代码这里。|104384|看看OpenCV的目标检测目录中的github回购示例。|104385|这个博客帖子+(由我编写)详细解释了如何在COCO数据集上执行经过预先训练的YOLOv3权重来检测上下文中的80个常见对象。|104386|希望这能有所帮助。|104387|entityMap|0|LINK|mutability|MUTABLE|url|https://github.com/pjreddie/darknet/blob/master/cfg/yolov3.cfg|1|https://pjreddie.com/darknet/yolo/|2|https://github.com/arunponnusamy/object-detection-opencv/blob/master/yolo_opencv.py|3|https://github.com/opencv/opencv/blob/master/samples/dnn/object_detection.py|4|https://github.com/opencv/opencv/|5|http://www.arunponnusamy.com/yolo-object-detection-opencv-python.html|6|http://cocodataset.org/|7|https://github.com/arunponnusamy/object-detection-opencv/blob/master/yolov3.txt^0|0|7|8|0|G|2|1|0|0|3|2|2|0|9|4|3|H|8|4|0|2|4|5|L|7|6|1I|7|7|0|0^^$0|@$1|2|3|4|5|6|7|1E|8|@]|9|@]|A|$]]|$1|B|3|C|5|6|7|1F|8|@]|9|@$D|1G|E|1H|1|1I]|$D|1J|E|1K|1|1L]]|A|$]]|$1|F|3|G|5|H|7|1M|8|@]|9|@]|A|$I|J]]|$1|K|3|L|5|6|7|1N|8|@]|9|@$D|1O|E|1P|1|1Q]]|A|$]]|$1|M|3|N|5|6|7|1R|8|@]|9|@$D|1S|E|1T|1|1U]|$D|1V|E|1W|1|1X]]|A|$]]|$1|O|3|P|5|6|7|1Y|8|@]|9|@$D|1Z|E|20|1|21]|$D|22|E|23|1|24]|$D|25|E|26|1|27]]|A|$]]|$1|Q|3|R|5|6|7|28|8|@]|9|@]|A|$]]|$1|S|3|-4|5|6|7|29|8|@]|9|@]|A|$]]]|T|$U|$5|V|W|X|A|$Y|Z]]|10|$5|V|W|X|A|$Y|11]]|12|$5|V|W|X|A|$Y|13]]|14|$5|V|W|X|A|$Y|15]]|16|$5|V|W|X|A|$Y|17]]|18|$5|V|W|X|A|$Y|19]]|1A|$5|V|W|X|A|$Y|1B]]|1C|$5|V|W|X|A|$Y|1D]]]]

Support for running YOLOv3 has been added to OpenCV master branch (3.4.3). 

You should be able to use <a href="https://github.com/pjreddie/darknet/blob/master/cfg/yolov3.cfg" rel="noreferrer">YOLOv3 config</a> and <a href="https://pjreddie.com/darknet/yolo/" rel="noreferrer">weights</a> with OpenCV DNN module to perform object detection.

<pre><code>net = cv2.dnn.readNet(args.weights, args.config)

blob = cv2.dnn.blobFromImage(image, scale, (416,416), (0,0,0), True, crop=False)

net.setInput(blob)

outs = net.forward(get_output_layers(net))
</code></pre>

Full code <a href="https://github.com/arunponnusamy/object-detection-opencv/blob/master/yolo_opencv.py" rel="noreferrer">here</a>.

Have a look at the <a href="https://github.com/opencv/opencv/blob/master/samples/dnn/object_detection.py" rel="noreferrer">object detection</a> example in the samples/dnn directory on OpenCV's <a href="https://github.com/opencv/opencv/" rel="noreferrer">github repo</a>.

This <a href="http://www.arunponnusamy.com/yolo-object-detection-opencv-python.html" rel="noreferrer">blog post</a> (written by me) explains in detail about performing object detection with pre-trained YOLOv3 weights on <a href="http://cocodataset.org" rel="noreferrer">COCO dataset</a> to detect <a href="https://github.com/arunponnusamy/object-detection-opencv/blob/master/yolov3.txt" rel="noreferrer">80 common objects</a> in context.

Hope this helps.

I'm trying to switch from using Yolo v2 to Yolo v3 and can't get the detection to work. I'm getting the error 

<pre><code>OpenCV Error: Parsing error (Unknown layer type: shortcut) in ReadDarknetFromCfgFile
</code></pre>

Anybody know how I can fix this? Using a cfg file from Yolo v2 works fine.

OpenCV unknown layer type running darknet detect

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云AI代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

功能1上新10个字符

功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符。

功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符。

功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符

功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符

功能4上新

文章&问答评论现已支持表情

全新交互，全新视觉，新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能，全面提升创作效率和体验

社区富文本编辑器全新改版！诚邀体验～ 

精选全网热门MCP server，让你的AI更好用 🚀

💥开发者 MCP广场重磅上线！

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

我正试图从使用Yolo v2切换到Yolo v3，但是检测无法正常工作。我搞错了OpenCV Error: Parsing error (Unknown layer type: shortcut) in ReadDarknetFromCfgFile有人知道我怎么解决这个问题吗？使用Yolo v2的cfg文件很好。

问OpenCV未知层类型运行暗网检测
EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问OpenCV未知层类型运行暗网检测EN