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
YOLOv4中国交通标志识别 testfile video
2021-10-19 22:05:42
251.37MB
1