Advertisement

Yolov3-Tiny检测模型

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
简介：Yolov3-Tiny是一种轻量级目标检测模型，基于YOLOv3架构简化而来，在保持较高精度的同时大幅减少了计算资源需求，适用于移动设备和IoT场景。 基于TensorFlow实现Yolov3-tiny检测网络，并直接加载官方提供的权重文件来给模型参数赋值，而不是使用.h5或.pb格式的模型。若要使用纯TensorFlow实现Yolov的其他版本，可以参考此代码进行修改和扩展。使用的TensorFlow版本为1.11，Python版本为3.5。文件中包含所需的权重文件。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • Yolov3-Tiny检测模型
    优质
    简介：Yolov3-Tiny是一种轻量级目标检测模型，基于YOLOv3架构简化而来，在保持较高精度的同时大幅减少了计算资源需求，适用于移动设备和IoT场景。 基于TensorFlow实现Yolov3-tiny检测网络，并直接加载官方提供的权重文件来给模型参数赋值，而不是使用.h5或.pb格式的模型。若要使用纯TensorFlow实现Yolov的其他版本，可以参考此代码进行修改和扩展。使用的TensorFlow版本为1.11，Python版本为3.5。文件中包含所需的权重文件。
     
  • Yolov3-Tiny车辆检测模型及相关文件（yolov3-tiny.weights, yolov3-tiny.cfg, obj.names）
    优质
    简介：本资源提供轻量级YOLOv3-Tiny车辆检测模型，包括预训练权重(yolov3-tiny.weights)，配置文件(yolov3-tiny.cfg)及类别名称(obj.names)，适用于嵌入式设备和实时应用。 进行OpenCV-YOLO-Tiny车辆检测需要的模型文件包括yolov3-tiny.weights、yolov3-tiny.cfg以及obj.names。
     
  • YoloV3、YoloV3-Tiny、YoloV4及YoloV-Tiny预训练模型下载
    优质
    本资源提供YOLOv3和YOLOv3-Tiny、YOLOv4及其Tiny版本的预训练模型免费下载，适用于快速部署目标检测任务。 yolov3-tiny预训练模型、yolov3预训练模型、yolov4 预训练模型以及 yolov4-tiny预训练模型全部打包在一个压缩文件中。
     
  • 利用Yolov3-Tiny训练人脸检测模型-附带资源
    优质
    本项目通过轻量级深度学习框架Yolov3-Tiny进行人脸检测模型的训练，并提供相关数据集和代码资源，适合初学者实践人脸识别技术。 使用yolov3-tiny训练一个人脸检测器-附件资源。这段文字描述的内容主要是关于如何利用轻量级的YOLOv3-Tiny模型来进行人脸检测任务，并且可能包含了一些相关的配置文件、数据集或者预训练权重等资源，以便于用户能够快速上手进行实验和研究工作。
     
  • YOLOv3-Torch2TRT：将YOLOv3及YOLOv3-tiny(PyTorch版)转为TensorRT模型
    优质
    简介：本文介绍如何使用YOLOv3-Torch2TRT工具，便捷地将基于PyTorch的YOLOv3及其简化版（tiny）模型转换成高性能的TensorRT格式，以实现更快的推理速度。 YOLOv3-Torch2TRT介绍通过torch2trt Python API将YOLOv3和YOLOv3-tiny（PyTorch版本）转换为TensorRT模型。首先，安装克隆仓库： ``` git clone https://github.com/DocF/YOLOv3-Torch2TRT.git ``` 下载预先训练的权重： ```bash cd weights/ bash download_weights.sh ``` 需要两个特殊的Python包：张量火炬2trt。由于YOLO中的升采样操作，根据torch2trt API介绍，您需安装特定版本并使用插件。 检查torch2trt API: ```python python3 check.py ``` 推理加速技术： - FP16 TensorRT 以下是TITAN xp的一些结果： 型号名称 输入尺寸 FPS（FP16 整个模式） 重写后的文本去除了所有链接和联系方式，保留了原始内容的完整性。
     
  • 将Yolov3-Tiny-Onnx转为TensorRT TRT模型
    优质
    本教程详细介绍如何将轻量级目标检测模型Yolov3-Tiny从ONNX格式转换为高性能的TensorRT引擎(TRT)，以加速推理过程。 将您的yolov3-tiny模型转换为trt模型，在设备nvidia jetson tx2上运行，jetpack版本为jetpack4.2：ubuntu18.04系统，tensorrt5.0.6.3, cuda10.0, cudnn7.3.1。其他依赖包括python=2.7、numpy=1.16.1、onnx=1.4.1（重要）、pycuda=2019.1.1和Pillow=6.1.0。 在自定义设置中，data_processing.py文件的第14行：LABEL_FILE_PATH = /home/nvidia/yolov3-tiny2onnx2trt/coco_labels.txt；第19行：CATEGORY_NUM = 80。yolov3_to_onnx.py 文件中的 img_size 相关设置在第778行。
     
  • Yolov3.h5：物体检测模型
    优质
    Yolov3.h5是一款基于YOLOv3算法的高效物体检测模型，适用于多种场景下的实时目标识别任务，性能卓越。 yolov3.h5是一个预训练好的YOLO模型，可用于测试和预训练。
     
  • yolov3-tiny-onnx.zip
    优质
    YOLOv3-Tiny-ONNX 是一个轻量级的对象检测模型，基于YOLOv3架构简化版，已转换为ONNX格式，适用于资源受限环境中的实时目标检测任务。 关于yolov3-tiny的cfg文件、yolov3的weights权重文件以及使用cfg和weights转换好的onnx模型的相关资源，在文章完成后会通过百度云链接的形式提供，具体链接会在文章中给出。
     
  • TensorFlow-YOLOv4-TFLite: YOLOv4, YOLOv4-tiny, YOLOv3, 和 YOLOv3-tiny 在 T...
    优质
    简介：此项目实现YOLOv4、YOLOv4-tiny、YOLOv3及YOLOv3-tiny模型在TensorFlow框架下的转换至TFLite格式，适用于移动设备与嵌入式系统。 TensorFlow-YOLOv4-TFLite 是在 Tensorflow 2.0 中实现的 YOLO v4 和 YOLO v4-tiny 版本。该项目可以将YOLO v4、YOLO v3以及YOLO tiny 的.weights 文件转换为.pb、.tflite和trt格式，以便生成 TensorFlow、TensorFlow Lite 和 TensorRT。 性能演示版 # 将darknet权重转换成tensorflow ## YOLOv4 python save_model.py --weights ./data/yolov4.weights --output ./checkpoints/yolov4-416 --input_size 416 --model yolov4 ## YOLOv4-tiny python save_model.py --weights ./data/
     
  • yolov3-tiny-conv-15
    优质
    YOLOv3-Tiny-Conv-15是一种轻量级目标检测模型，基于YOLOv3架构简化而来，通过减少网络层数至仅保留15层卷积层，实现资源消耗最小化同时保持较好的实时检测性能。 ./darknet partial cfg/yolov3-tiny.cfg yolov3-tiny.weights yolov3-tiny.conv.15 15 这段文字描述了一个命令行操作，用于使用Darknet框架将预训练的YOLOv3 Tiny模型权重文件拆分成两个部分。具体来说，该指令会生成一个包含前15层参数的新权重文件yolov3-tiny.conv.15。