抽烟检测yolov4-tiny-pytorch源码，里面有大量抽烟数据集训练成的抽烟模型，识别抽烟准确度高达百分之98，速度超过20帧每秒，下载即可运行
2021-10-27 17:07:57
53.42MB
安全帽检测yolov4-tiny-pytorch源码，里面有大量安全帽数据集训练成的抽烟模型，识别安全帽准确度高达百分之98，速度超过20帧每秒，下载即可运行
2021-10-27 17:07:57
53.46MB
人脸检测yolov4-tiny-pytorch源码，里面有大量人脸数据集训练成的人脸模型，识别人脸准确度高达百分之98，速度超过20帧每秒，下载即可运行
2021-10-27 17:07:56
53.42MB
课程演示环境：Ubuntu
需要学习Windows系统YOLOv4-tiny的同学请前往《Windows版YOLOv4-tiny目标检测实战：训练自己的数据集》
YOLOv4-tiny来了！速度大幅提升！
YOLOv4-tiny在COCO上的性能可达到：40.2% AP50, 371 FPS (GTX 1080 Ti)。相较于YOLOv3-tiny，AP和FPS的性能有巨大提升。并且，YOLOv4-tiny的权重文件只有23MB，适合在移动端、嵌入式设备、边缘计算等设备上部署。
本课程将手把手地教大家使用labelImg标注和使用YOLOv4-tiny训练自己的数据集。课程实战分为两个项目：单目标检测（足球目标检测）和多目标检测（足球和梅西同时检测）。
本课程的YOLOv4-tiny使用AlexAB/darknet，在Ubuntu系统上做项目演示。包括：YOLOv4-tiny的网络结构、安装YOLOv4-tiny、标注自己的数据集、整理自己的数据集、修改配置文件、训练自己的数据集、测试训练出的网络模型、性能统计(mAP计算和画出PR曲线)和先验框聚类分析。
除本课程《
2021-10-25 21:44:59
10.77MB
1
使用YOLOv4和DeepSORT的行人跟踪
2021-10-25 16:51:31
62.44MB
1
YOLOv4中国交通标志识别 testfile video
2021-10-19 22:05:42
251.37MB
1
YOLOv4 CrowdHuman 教程
这是一个演示如何使用和训练YOLOv4人检测器的。
目录
设置
如果您打算在上训练模型，您可以跳过本节并直接跳到上。
否则，要在本地运行训练，您需要有一台具有不错 GPU 的 x86_64 PC。 例如，我主要使用台式 PC 测试此存储库中的代码：
NVIDIA GeForce RTX 2080 Ti
Ubuntu 18.04.5 LTS (x86_64)
CUDA 10.2
cuDNN 8.0.1
此外，您应该在本地 PC 上正确安装 OpenCV（包括 python3“cv2”模块），因为数据准备代码和“darknet”都需要它。
准备训练数据
对于在本地 PC 上的训练，我使用“608x608”yolov4 模型作为示例。 请注意，我在本教程中只使用了 python3（python2 可能不起作用）。 请按照以下步骤准备“ Cr
2021-10-14 14:14:11
1.37MB
1