YOLOv3_TensorFlow 注意:由于我已切换到PyTorch一年,因此不再维护此回购协议(实际上我已经取消了很长一段时间的支持)。 寿命短,我使用PyTorch。 1.简介 这是我在纯TensorFlow中实现的 。 它包含有关您自己的数据集的完整培训和评估流程。 此仓库的主要功能是: 高效的tf.data管道 权重转换器(将COCO数据集上的预训练暗网权重转换为TensorFlow检查点。) 极快的GPU非最大抑制。 完整的培训和评估渠道。 Kmeans算法选择先验锚框。 2.要求 Python版本:2或3 包装方式: tensorflow> = 1.8.0(理论上任
1
在运行目标检测典型算法yolov3时,有不同的神经网络可供选择,该文件是spp版本,文件提供了神经网络中不同类型的层的配置参数包括batch_size, width,height,channel,momentum,decay,learning_rate等。
2022-05-10 15:27:09 8KB yolov3 yolo 目标检测
1
Linux创始人LinusTorvalds有一句名言:Talk is cheap, Show me the code.(冗谈不够,放码过来!)。 代码阅读是从入门到提高的必由之路。尤其对深度学习,许多框架隐藏了神经网络底层的实现,只能在上层调包使用,对其内部原理很难认识清晰,不利于进一步优化和创新。 YOLOv3是一种基于深度学习的端到端实时目标检测方法,以速度快见长。 YOLOv3的实现Darknet是使用C语言开发的轻型开源深度学习框架,依赖少,可移植性好,可以作为很好的代码阅读案例,让我们深入探究其实现原理。 本课程将解析YOLOv3的实现原理和源码,具体内容包括:      YOLO目标检测原理       神经网络及Darknet的C语言实现,尤其是反向传播的梯度求解和误差计算      代码阅读工具及方法      深度学习计算的利器:BLAS和GEMM      GPU的CUDA编程方法及在Darknet的应用      YOLOv3的程序流程及各层的源码解析本课程将提供注释后的Darknet的源码程序文件。 除本课程《YOLOv3目标检测:原理与源码解析》外,
1
YOLOv3火焰烟雾识别训练结果,包含训练好的两个模型,安装好环境后可以直接使用, 类别名fire和smoke, 框架:pytorch; 代码:python
2022-05-09 19:18:02 374.51MB YOLOv3火焰烟雾识别
由于业务需求,最近在啃yolov3的pytorch官方代码,经过一段时间的摸索,参考了一些博文,做了一个yolo系列的综述和总结,分享出来,大家共同学习,如有不足,欢迎指正。本ppt是结合了github上yolov3官方代码和博文注解,同时改正了参考博文里面的一些小错误。
1
yolov3官方权重,weights格式
2022-05-08 19:28:51 219.95MB yolov3
1
1、YOLOv3训练好的飞鸟检测检测模型,包括yolov3-bird.pt和yolov3_tiny-bird.pt两个训练好的模型,并包含近1000张标注好的鸟类数据集,标签格式为xml和txt两种,类别名为bird, 2、数据集和检测结果参考:https://blog.csdn.net/zhiqingAI/article/details/124230743 3、另外一万多张飞鸟数据集 https://download.csdn.net/download/zhiqingAI/85110825 4、采用pytrch框架,代码是python的
2022-05-07 21:05:46 466.18MB 飞鸟检测检测模型 YOLOv3飞鸟检测
1、YOLOv3训练好的火焰烟雾检测模型,包括yolov3-fire_smoke.pt和yolov3_tiny-fire_smoke.pt两个训练好的模型,并包含几百张标注好的火焰和烟雾数据集,标签格式为xml和txt两种,类别名为fire和smoke, 2、采用pytrch框架,代码是python的 3、数据集和检测结果参考:https://blog.csdn.net/zhiqingAI/article/details/124230743
针对红外图像中行人小目标检测识别率低、虚警率高的问题,研究了当下效果最好的 YOLOv3目标检测算法,在其基础上进行优化,提出了一种满足实时性要求的行人小目标检测算法。
2022-05-06 20:05:16 934KB 文档资料 算法 人工智能 计算机视觉
yolo-v3:Yolov3用于对象检测和跟踪的Rust实现
2022-05-05 20:22:39 12KB
1