Advertisement

Yolov4的权重文件。

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


简介:
YOLOV4的权重文件具备兼容性,能够顺利运行在YOLOV3的编译环境中。值得注意的是,该版本在识别精度方面超越了YOLOV3,从而显著提升了整体的识别效果和准确性。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • Yolov4yolov4.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。
  • Yolov4yolov4.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。
  • Yolov4yolov4.weights)
    优质
    Yolov4权重文件(yolov4.weights)是基于YOLOv4算法训练所得的模型参数文件,用于目标检测任务中快速准确地识别图像或视频中的物体。 2020年4月24日发布了YOLOv4的最新版本权重文件,由于其大小为245MB超过了上传限制,因此已将该文件上传至百度云而非Google盘,请参考GitHub上的相关页面获取更多信息。需要注意的是原文中的链接可能不再有效或已被修改,在尝试下载时请确认最新的资源位置和访问方式。
  • yolov4-tiny
    优质
    Yolov4-tiny权重文件是基于轻量级版本的YOLOv4模型训练后得到的一组参数值,适用于资源受限环境下的实时目标检测任务。 Yolov4 Tiny版本的预训练权重提取了yolo v4的backbone层,可用于训练yolo-V4。
  • Yolov4官方.zip
    优质
    简介:此ZIP文件包含YOLOv4模型的预训练权重,适用于目标检测任务,可直接应用于各类图像识别场景。 Yolov4的预训练模型已打包在压缩文件中。
  • Yolov4资源库
    优质
    Yolov4权重文件资源库提供YOLOv4模型训练后的权重文件下载,助力开发者快速部署目标检测应用,涵盖多种预训练模型和场景优化版本。 Yolov4的权重文件资源可以在网上找到多种来源。这些资源通常包括预训练模型和其他用户分享的内容,适用于各种项目需求。在寻找这类资源时,请确保选择信誉良好的平台以获得高质量的数据集和支持。
  • YoloV4代码及部分
    优质
    本资源包含YOLOv4模型的源代码及相关预训练权重,适用于目标检测任务,帮助用户快速上手部署或二次开发。 yolov4代码及部分权重:yolov3-微小-prn.cfg - 33.1% mAP@0.5 - 370 FPS - 3.5 BFlops - 18.8 MB ENET-coco.cfg(EfficientNetB0-Yolov3)- 45.5% mAP@0.5 - 55 FPS - 3.7 BFlops - 18.3 MB 权重文件:yolov3-微小-prn.weights,enetb0-coco_final.weights
  • yolov4-tiny预训练模型及(weights、cfg).rar
    优质
    本资源提供YOLOv4-Tiny版本的预训练模型及其配置文件和权重文件。适用于快速部署的小型物体检测任务,支持多种框架直接加载使用。 yolov4-tiny预训练模型和权重文件(包含weights和cfg)的压缩包。
  • yolov4在烟雾火焰数据集上模型
    优质
    该简介描述了YOLOv4算法应用于识别和检测特定场景中的烟雾与火焰的数据集中所使用的预训练模型权重。这些权重经过优化,提高了对火灾早期迹象的准确辨识能力,在安防监控系统中有着重要的应用价值。 烟雾火焰数据集与YOLOv4的权重文件可用于检测火焰、烟雾及森林火灾,实现提前预警功能。
  • YoloV4在COCO数据集上预训练
    优质
    这段简介可以描述为:“YoloV4在COCO数据集上的预训练权重”指的是基于COCO大规模物体检测数据集对YOLOv4模型进行预先训练后得到的参数,可用于各种目标检测任务中以加快收敛速度和提高准确性。 在YoloV4网络下使用COCO数据集的预训练权重文件可以达到很高的准确率,并且适合作为迁移学习中的初始权重文件,能够节省大量训练时间。