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
客服关闭
  • 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-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-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。
     
  • 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。
     
  • yolov3-tiny权重文件
    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权重文件
    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配置文件
    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/
     
  • 与Yolov3相关的资源：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。