Advertisement

Yolov4.zip

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

简介：
Yolov4.zip包含的是基于深度学习的目标检测算法YOLOv4的源代码和预训练模型。开发者可以通过此资源快速实现高性能目标识别系统。 YOLOv4的权重文件是yolov4.weights。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • Yolov4.zip
    优质
    Yolov4.zip包含的是基于深度学习的目标检测算法YOLOv4的源代码和预训练模型。开发者可以通过此资源快速实现高性能目标识别系统。 YOLOv4的权重文件是yolov4.weights。
     
  • yolov4-tiny-v1.zip
    优质
    YOLOv4-Tiny-V1是一款轻量级目标检测模型，基于YOLOv4架构优化简化，适用于资源受限设备。该版本在保持较高检测精度的同时，显著减小了模型大小和计算需求。 tiny YOLOv4的预训练权重模型文件包括yolov4-tiny.cfg和yolov4-tiny.weights，该模型体积较小且运行速度快，结合OpenCV可以实现实时检测功能，并经过测试确认有效。
     
  • YOLOv4-对比-YOLOv4-tiny
    优质
    本篇内容主要探讨了YOLOv4与YOLOv4-tiny之间的区别和优劣。YOLOv4是实时目标检测算法中的佼佼者，而YOLOv4-tiny则是在保持高效的同时，通过简化网络结构来实现模型的轻量化。 根文件夹中有两个主要的Jupyter笔记本，其中包含在Roboflow数据集上运行YOLOv4和YOLOv4-tiny的所有代码和指令。我还添加了一些功能来使用您的网络摄像头捕获实时对象检测。 视频文件夹包含经过口罩训练的YOLOv4视频，并将其应用于涵盖冠状病毒最新新闻的视频。
     
  • OpenVINO-YOLOV4: OpenVINO 2021.3中的YOLOv4系列，包括YOLOv4、YOLOv4-relu和YOLOv4-tiny等版本
    优质
    简介：OpenVINO-YOLOV4项目是基于Intel OpenVINO工具套件2021.3实现的高性能YOLOv4目标检测算法系列，涵盖经典YOLOv4、YOLOv4-relu及轻量级模型YOLOv4-tiny版本。 VINO-YOLOv4是一个完整实现的项目，支持多种设备上的YOLOv4模型变种：包括YOLOv4、YOLOv4-relu 和 YOLOv4-tiny。这些模型在英特尔CPU、英特尔GPU（HDDL）、VPU和NCS2等硬件上均可运行。 该项目提供了详细的推理演示： 1. Python示例代码涵盖所有上述提到的模型。 2. C++示例代码包括YOLOv4，YOLOv4-relu，YOLOv4-tiny以及YOLOv4-tiny-3l版本。 此外，项目还包含开发日志和教程文档。其中，“Pruned-OpenVINO-YOLO”部分详细介绍了如何修剪YOLO v3/v4及其轻量级变种（如：YOLOv4、YOLOv4-relu、YOLOv4-tiny 和 YOLOv4-tiny-3l）模型，以适应特定检测任务需求。通过此教程可以找到最紧凑的模型结构，并大幅压缩原模型体积同时优化帧率性能(FPS)。 该教程支持中文和英文双语版本供用户选择学习使用。
     
  • yolov4-conv-137 与 yolov4-weights
    优质
    YOLOv4-Conv-137和YOLOv4-Weights是基于YOLOv4架构的高度优化版本，采用卷积层裁剪技术减少至137层，大幅提高模型效率，适用于实时目标检测任务。 yolov4: yolov4-conv-137 预训练模型以及 yolov4 作者训练好的模型可以免费下载。详情可以在相关文章中找到。
     
  • 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/
     
  • C++调用yolov4.zip文件
    优质
    本项目展示了如何利用C++代码调用预训练的YOLOv4模型（以yolov4.zip的形式提供），实现对图像或视频中目标的实时检测与识别。 docx文件内容为C++调用libtorch的配置与测试方法，并使用yolov4进行加载汇总。还包括相关的C++资源文件。
     
  • Darknet-C++版YOLOv4实现.zip
    优质
    本资源提供Darknet框架下的C++版本YOLOv4模型实现代码及配置文件，适用于目标检测任务开发与研究。 Darknet-C++实现YOLOv4.zip
     
  • Yolov4权重文件（yolov4.weights）
    优质
    Yolov4权重文件(yolov4.weights)是基于YOLOv4算法训练后得到的核心数据文件，用于目标检测任务中模型参数的加载和部署。 YOLOV4的权重文件可以在支持YOLOV3编译环境的情况下使用。相比YOLOV3，该版本具有更高的识别精确度和更好的识别效果。
     
  • Yolov4权重文件（yolov4.weights）
    优质
    Yolov4权重文件(yolov4.weights)包含了经过大规模数据训练得到的YOLOv4模型参数，用于目标检测任务，可直接应用于图像识别系统以实现高性能实时检测。 本段落件包含在yolov4官方GitHub仓库中的COCO训练集上训练出的模型，可以直接用于COCO数据集的检测任务，并且也可以用来验证yolov4论文中提到的数据。