yolov5-net
使用ML.NET和ONNX进行YOLOv5对象检测
2021-09-13 08:59:36
24.06MB
1
有关YOLO v3的使用，请参见。
ML.Net中的YOLO v5
将YOLO v5与ML.Net一起使用
多亏了 ， 和
请参阅“的讨论，以问题。
参见分支
见keesschollaart81的
ML.Net中的YOLO v4
将YOLO v4与ML.Net一起使用
Onnx模式在onnx /型号回购可。
结果
资源
https://github.com/onnx/models/tree/master/vision/object_detection_segmentation/yolov4
https://github.com/hunglc007/tensorflow-yolov4-tflite
https://towardsdatascience.com/yolo-v4-optimal-speed-accuracy-for-object-detection-79896ed4
2021-09-01 09:56:02
11.07MB
1
介绍
一种转换工具，可将YOLO v3暗网权重转换为TF Lite模型（YOLO v3 PyTorch> ONNX> TensorFlow> TF Lite）和TensorRT模型（dynamic_axes分支）。
先决条件
python3
torch==1.3.1
torchvision==0.4.2
onnx==1.6.0
onnx-tf==1.5.0
onnxruntime-gpu==1.0.0
tensorflow-gpu==1.15.0
码头工人
docker pull zldrobit/onnx:10.0-cudnn7-devel
用法
1.下载预训练的Darknet权重：
cd weights
wget https://pjreddie.com/media/files/yolov3.weights
2.将YOLO v3模型从Darknet权重转换为ONNX模
2021-08-19 21:52:15
1.52MB
1
yolov5训练以及模型onnx转换.part1（共3部分，这是第1部分）
2021-08-17 21:05:02
200MB
1
yolov5训练以及模型onnx转换.part2（共3部分，这是第2部分）
2021-08-17 21:05:01
200MB
1
yolov5训练以及模型onnx转换.part3（共3部分，这是第3部分）.rar
2021-08-17 21:05:01
14.95MB
1
用于使用https://github.com/Mashiro009/wenet-online-decoder-onnx的仓库代码进行测试的
WeNet开源ONNX模型
2021-08-15 18:15:16
287.9MB
1