Advertisement

YOLO v5模型权重文件 (weights.zip)

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

简介：
这些预训练权重文件，名为 weights.zip，对应于 YOLOv5 模型。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • yolo v5 weights.zip
    优质
    YOLO V5 Weights 是一组经过训练的深度学习模型参数文件，用于实现高效且精准的对象检测任务，在多个数据集上进行了优化和验证。 weights.zip 是 YOLO v5 的权重文件。
     
  • YOLO-V8模型权重文件
    优质
    YOLO-V8模型权重文件包含了该版本目标检测算法的核心参数，用于快速、准确地识别图像和视频中的物体。 YOLO-V8提供多种预训练模型的权重文件：yolov8l.pt、yolov8m.pt、yolov8n.pt、yolov8s.pt 和 yolov8x.pt。
     
  • YOLO v4模型及权重文件
    优质
    YOLO v4模型及权重文件提供了一个先进的实时对象检测系统。该资源包括预训练模型和权重，支持高效准确地识别图像中的物体。 YOLO v4模型及其对应的权值文件提供了高效的物体检测性能，在计算机视觉领域得到了广泛应用。
     
  • YOLO权重文件
    优质
    YOLO（You Only Look Once）是一种实时目标检测系统，其权重文件包含经过大量数据训练得到的模型参数，用于快速准确地识别图像中的对象。 如果觉得训练时间过长，可以使用中间自动保存的模型继续训练。默认情况下，这些中间模型会存放在backup文件夹里。要进行进一步训练，请在命令行中输入：./darknet detector train cfg/voc.data cfg/yolo-voc.cfg backup/last.weights。
     
  • YOLO v5安全帽检测模型代码及预训练权重
    优质
    简介：本资源提供YOLOv5安全帽检测模型的完整代码和预训练权重，适用于监控施工现场佩戴安全帽情况，确保人员安全。 YOLO v5模型与安全帽VOC标注数据集相匹配。提供完整的代码以及已保存的模型权重，并使用预训练的YOLO v5s模型及配置文件。经过50次迭代优化，视频检测效果良好。相关参数可调，开箱即用。
     
  • YOLOv5s.pt模型权重文件
    优质
    YOLOv5s.pt是基于YOLOv5架构的小型模型版本，适用于资源受限环境下的实时目标检测任务，提供快速且准确的对象识别功能。 YOLOv5s.pt是一个模型权重文件。
     
  • yolo_weights.pth模型权重文件
    优质
    yolo_weights.pth 是YOLO (You Only Look Once) 目标检测算法的一个预训练模型权重文件，适用于各种图像识别和目标检测任务。 亲测可用，Yolo权重文件从官网下载了很久。
     
  • voc_weights_resnet.pth模型权重文件
    优质
    voc_weights_resnet.pth 是一个预训练的深度学习模型权重文件，基于ResNet架构，专为Pascal VOC数据集图像识别任务优化，适用于物体检测和分类。 缺陷检测网络DDN预训练模型是一种用于识别和定位产品或材料表面缺陷的深度学习模型。该模型通过预先在大量数据上进行训练，能够有效提升后续特定任务中的性能表现。
     
  • yolact_base_54_800000.pth模型权重文件
    优质
    yolact_base_54_800000.pth 是一个经过训练的深度学习模型权重文件，适用于实时实例分割任务。该模型基于YOLACT架构，在大规模数据集上进行了优化和训练。 yolact实例分割算法官方权重文件包括四个550 Resnet101-FPN版本，分别达到33.0和29.8的性能指标，对应的模型文件名为yolact_base_54_800000.pth。
     
  • coco_tracking模型权重文件.pth
    优质
    Coco_Tracking模型权重文件（.pth）是用于目标跟踪任务的深度学习模型参数，基于COCO数据集训练得出，适用于视频分析和监控系统中的对象追踪。 运行命令 `python demo.py tracking --load_model ../models/coco_tracking.pth --demo /path/to/image/or/folder/or/video` 来执行跟踪任务。