TensorFlow Lite 模型和标签数据mobilenet_v1_224_android_quant_2017_11_08.zip,下载完成解压mobilenet_v1_224_android_quant_2017_11_08.zip文件得到一个mobilenet_v1_224.tflite和labes.txt文件，把这两个文件复制到assets文件夹下。
2021-04-18 18:22:19
2.91MB
1
B20_08_NNCase编译MobileNet_v1_1.0即tflite量化为kmodel v3.zip包含以下文件：
ncc-win7-x86_64.zip即NNCase Converter v0.1.0 RC1对应的c#源码
nncase-0.1.0-rc1.zip即NNCase Converter v0.1.0 RC1对应的c#源码
mobilenet文件夹，其中mobilenet文件夹包含以下权重：
MobileNet_v1_1.0.pb使用tf slim训练的mobilenet_v1_1.0；
mobilenet_v1.tflite将MobileNet_v1_1.0.pb转成mobilenet_v1.tflite未量化；
mobilenet_v1_kmodel_v4.kmodel
即通过NNCase v0.2.0 Beta2工具编译mobilenet_v1.tflite，未量化；
MobileNet_v1_1.0_uint8_kmodel_v4.kmodel
即通过NNCase v0.2.0 Beta2工具编译mobilenet_v1.tflite，量化未uint8，k210 kpu可以加速；
2021-04-15 16:09:26
90.36MB
1
基于基础网络MobileNet的SSD框架
采用Android实现目标检测
采用NCNN框架加速
2021-03-31 15:00:25
55.9MB
1
github中的带mobilenet的darknet框架都是基于yolov2,不能使用yolov3模型，这是根据yolov3改的
2021-03-04 21:27:39
55.26MB
1
GameAssist是一个AI游戏助手，结合OpenCv，OpenCvSharp4，ssd_mobilenet_v3等技术，对游戏对象进行识别，支持自动对准/自动开枪等功能，提升玩家的游戏体验；
重要的事情说三遍：这个工具和普通游戏外挂不同！不同！不同！普通游戏外挂：通过需改游戏执行代码/修改游戏内存数据/拦截游戏网络通讯等手段，破坏游戏进程，达到提升目的，这些手段是违法的。 GameAssist：使用AI技术进行屏幕检测，原理是用人工智能技术来玩游戏，不使用任何破坏游戏进程的手段。一，技术栈说明： 1，图像处理框架：使用OpenCv进行图像封装及AI对象识别；使用OpenCvSharp4封装库，将OpenCv发布C＃开发运行环境；使用windwos gdi32的Bitmap的图形类的CopyFromScreen，获取屏幕上方作为输入图像； 2，AI模型选择：使用OpenCv的DNN网络模
2021-02-20 12:03:45
20.88MB
1
采用mobilenet_v1替换原作者采用的resnet50，对于coco2014数据集进行重新训练,迭代了160k次，最终得到的模型模型大小为93m,原模型270多m，同时运算速度大大的提升了，感兴趣的同学可以去下载一下，不用gpu,可以直接在配置好环境的CPU就可以跑起来！
2020-01-03 11:20:52
92.76MB
1