Startseite Projekte keras-yolo3
keras-yolo3

keras-yolo3

von experiencor · GitHub

Training und Erkennung von Objekten mit YOLO3

Auf GitHub ansehen
In einfachen Worten

Trainieren und erkennen Sie Objekte in Bildern mit dem YOLO3-Modell.

⭐ Sterne
🍴 Forks
📜 Lizenz
Kommerzielle Nutzung erlaubt
📅 Erstellt
🔄 Letzter Commit
🏷️ Kategorie
💻 Sprache
Betreuen Sie dieses Projekt?

Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.

Diese Seite beanspruchen →
keras-yolo3 — GitHub preview card
📈 Sternhistorie
1 6091 608
2026-07-202026-07-29
📈 keras-yolo3 verfolgen

Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.

Kostenlos · ohne Karte · jederzeit abbestellbar
E-Mail-Alerts erhalten →
📄 Über

Training und Erkennung von Objekten mit YOLO3

keras-yolo3 hat 1.6k Sterne auf GitHub. Es wurde 839-mal geforkt. keras-yolo3 ist hauptsächlich in Python geschrieben. Es wird seit 2018 aktiv entwickelt. keras-yolo3 ist unter der MIT-Lizenz verfügbar. Die Hauptthemen sind: deep-learning, object-detection, yolo.

Frequently asked questions

Was ist keras-yolo3?

Training und Erkennung von Objekten mit YOLO3

Ist keras-yolo3 Open Source?

keras-yolo3 ist ein Open-Source-Projekt. Es wird unter der MIT-Lizenz veröffentlicht.

Ist keras-yolo3 kostenlos?

Ja. keras-yolo3 ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.

Unter welcher Lizenz steht keras-yolo3?

keras-yolo3 ist unter der MIT-Lizenz verfügbar.

In welcher Sprache ist keras-yolo3 geschrieben?

keras-yolo3 ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
OpenSourceAI badge — keras-yolo3

Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=experiencor-keras-yolo3)](https://opensourceai.tech/project/experiencor-keras-yolo3.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit🧬 DNA-Karte ansehen →

Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.