这是一个YoloV4-pytorch的源码，可以用于训练自己的模型。
YOLOV4：You Only Look Once目标检测模型在pytorch当中的实现
目录
实现的内容 Achievement
所需环境 Environment
注意事项 Attention
小技巧的设置 TricksSet
文件下载 Download
预测步骤 How2predict
训练步骤 How2train
参考资料 Reference
实现的内容
主干特征提取网络：DarkNet53 => CSPDarkNet53
特征金字塔：SPP，PAN
训练用到的小技巧：Mosaic数据增强、Label Smoothing平滑、CIOU、学习率余弦退火衰减
激活函数：使用Mish激活函数
……balabla
所需环境
torch==1.2.0
注意事项
代码中的yolo4_weights.pth是基于608x608的图片训练的，但是由于显存原因。我将代码中的图片大小修改成了416x416。有需要的可以修改回来。 代码中的默认anchors是基于608x608的图片的。
2021-11-01 16:05:50
5.32MB
1
复杂的YOLOv4
本文基于YOLOv4的PyTorch实现：
特征
基于YOLOv4的实时3D对象检测
支持
张量板
镶嵌/切口增强训练
使用旋转框的损失进行优化。
更新2020.08.26 ：
更快的训练，更快的推理
无锚的方法
无需非最大抑制
示范（在GTX 1080Ti上）
2.入门
2.1。要求
pip install -U -r requirements.txt
有关和库的信息，请参阅其官方网站上的安装说明。
2.2。资料准备
从下载3D KITTI检测数据集。
下载的数据包括：
Velodyne点云（29 GB） ：将数据输入到Complex-YOLO模型
对象数据集的训练标签（5 MB） ：Complex-YOLO模型的输入标签
对象数据集的摄像机校准矩阵（16 MB） ：用于可视化预测
对象数据集的左侧彩色图像（12 GB） ：用于可视化预测
请确保您按照以下方式
2021-11-01 10:22:05
6.54MB
1
YOLO的猫检测项目
介绍
该存储库中的项目是使用YOLO和darknet框架来训练对象检测模型。
查找训练有素的体重： :
故事
我的朋友最近有一只猫，它是德文郡（Devon Rex）。 我学习了CV算法，它是YOLO。 我很高兴看到如果我应用YOLO来检测德文郡雷克斯，将会发生什么。 首先，我从Google收集了Devon的图片数据（约150张图片），并对其进行了手动标记。 我用Darknet framork训练了模型，让我们看看我做了什么。
表中的内容
Cat_Doven_Detection.py
->检测程序
/数据
->目标图片和视频
/测试
->演示图片和视频
图像检测演示：
视频检测演示：
参考：
labelImg： ://tzutalin.github.io/labelImg/
暗网： :
dog1.jpeg来源：https：// // /照片/棕色-
2021-10-28 01:41:07
45.33MB
1
YOLOv4
这是PyTorch实施这是基于 。
。
开发日志
扩张
2021-01-26设计蒙版的2021-01-26 。
2021-01-25设计旋转增强。
2021-01-23设计拼贴增强。
2021-01-22支持 ， 。
2021-01-22支持 。
2021-01-19支持实例细分。
2021-01-17支持基于免锚的方法。
2021-01-14支持联合检测和分类。
2020-01-02年1 2020-01-02 -设计基于和的新模型。
2020-12-22支持转学。
2020-12-18支持非本地系列自我关注块
2020-12-16在cspnet纸中支持下采样块。
2020-12-03支持模仿学习
2020-12-02支撑。
2020-11-26支持多类多锚联合检测和嵌入。
2020-11-25支持。
2020-11-23支持师生学习。
2021-10-28 01:34:59
1.01MB
1
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