Advertisement

Yolov4-tiny.conv.29 文件。

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

简介：
该tiny yoloV4的预训练权重文件，即“yolov4-tiny.conv.29”，体积相对较小，因此运行速度非常迅速。 凭借其高效性，并与OpenCV库集成使用，可以实现实时目标检测。 整体而言，其检测效果令人印象深刻。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • yolov4-tiny.conv.29模型
    优质
    Yolov4-tiny.conv.29是一种轻量级目标检测模型，基于YOLOv4架构简化而来，适用于资源受限的设备。该模型通过减少参数和计算需求，在保持较高精度的同时实现快速推理。 Tiny YOLOv4的预训练权重是yolov4-tiny.conv.29。这款模型体积较小，速度非常快，结合OpenCV可以实现实时检测，效果非常好。
     
  • 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。
     
  • Yolov4权重文件（yolov4.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的weight文件
    优质
    简介：Yolov4的weight文件是基于YOLOv4算法训练完成后的模型参数文件，用于目标检测任务中识别图像或视频中的对象。 求分享yolov4.weight权重文件。
     
  • Yolov4-tiny: Yolov4的神经网络模型文件
    优质
    Yolov4-tiny是一种轻量级的物体检测模型，基于Yolov4架构优化而成，适用于资源受限的设备。 主要介绍的是Yolov4-tiny 和 Yolov4 的神经网络模型文件，可以直接调用。这些模型广泛应用于物体识别、目标跟踪、人脸识别以及无人机等领域。
     
  • yolov4-tiny.zip模型文件
    优质
    YOLOv4-Tiny模型是一款轻量级实时目标检测工具，适用于资源受限环境。该模型文件yolov4-tiny.zip包含训练好的权重和配置文件，方便快速部署与应用。 下载yolov4-tiny.weights文件。
     
  • yolov4-tiny权重文件
    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-tiny配置文件（cfg）
    优质
    Yolov4-tiny配置文件是为轻量级目标检测设计的一种简化版本，基于Darknet框架，旨在减少计算资源需求的同时保持较高的检测精度。 目标检测：下载Yolo深度目标检测模型的网络配置文件，并将其放置在相应的文件夹中，即可开始训练深度网络模型。
     
  • yolov4-tiny配置文件（cfg）
    优质
    Yolov4-tiny配置文件是专为轻量级目标检测设计的小型化版本，基于Darknet框架，适用于资源受限的设备，提供高效准确的目标识别能力。 目标检测：下载yolo深度目标检测模型的网络配置文件，并将其放置在相应的文件夹中以开始训练深度网络模型。