Advertisement

Yolov3-Tiny车辆检测模型及相关文件(yolov3-tiny.weights, yolov3-tiny.cfg, obj.names)

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


简介:
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。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • Yolov3-Tinyyolov3-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-Tiny
    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-Torch2TRT:将YOLOv3YOLOv3-tiny(PyTorch版)转为TensorRT
    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。
  • YoloV3YoloV3-Tiny、YoloV4YoloV-Tiny预训练下载
    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。
  • yolov3-tiny权重
    优质
    Yolov3-tiny权重文件是基于轻量级版本的YOLOv3模型训练所得的参数集合,适用于资源受限环境下的目标检测任务。 PyTorch YOLOv3 目标检测使用 yolov3-tiny.weights。yolov3 和 yolov3-tiny 的权重文件可以用于模型训练和测试。
  • yolov3-tiny权重
    优质
    Yolov3-tiny权重文件是基于YOLOv3架构简化版模型的预训练参数集,适用于资源受限环境下的目标检测任务。 使用基于YOLOv3-Tiny训练的人脸检测数据集,在darknet环境中迭代7000次后可以实现简单的演示效果。
  • yolov3-tiny配置
    优质
    简介:YoloV3-Tiny配置文件是轻量级目标检测模型YOLOv3-Tiny的参数设定文档,用于定义网络架构、超参数及训练过程中的各项设置。 在运行目标检测算法Yolov3时,可以选择不同的神经网络版本。这里提到的文件是tiny版本,提供了该网络中不同层类型的配置参数,包括batch_size、width、height、channel、momentum、decay以及learning_rate等设置。
  • 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的资源:yolov3.weights、yolov3.cfg、coco.names
    优质
    本资源集合提供YOLOv3模型的核心文件,包括预训练权重(yolov3.weights)、配置文件(yolov3.cfg)以及类别名称列表(coco.names),支持快速部署和使用。 打包了yolov3的相关资源配置文件:yolov3.cfg、模型文件:yolov3.weights以及模型类别描述:coco.names。