使WIDERFACE数据可以再yolov4中进行训练，主要用于进行标注格式的转变

搜集的开源代码，自留学习用

YOLOV4-Tiny：You Only Look Once-Tiny目标检测模型在TF2当中的实现 2021年2月7日更新： 仔细对照了darknet库的网络结构，发现P5_Upsample和feat1的顺序搞反了，已经调整，重新训练了权值，加入letterbox_image的选项，关闭letterbox_image后网络的map得到提升。 目录 性能情况 训练数据集 权值文件名称 测试数据集 输入图片大小 mAP 0.5:0.95 mAP 0.5 VOC07+12+COCO VOC-Test07 416x416 - 77.5 COCO-Train2017 COCO-Val2017 416x416 21.8 41.3 所需环境 tensorflow-gpu==2.2.0 注意事项 代码中的yolov4_tiny_weights_coco.h5和yolov4_tiny_weights_vo

CDIoU-CDIoUloss CDIoU和CDIoU丢失就像一个方便的插件，可以在多个模型中使用。 CDIoU和CDIoU损失在Faster R-CNN，YOLOv4，RetinaNet和。 与传统的评估反馈模块相比，MS COCO数据集的最大AP改进为1.9％，平均AP改进为0.8％。 这里我们仅以一个示例来说明代码。 控制距离IoU和控制距离IoU损耗功能 ，苗多千 介绍 反馈机制的众多改进为对象检测的巨大进步做出了贡献。 在本文中，我们首先提出一个评估反馈模块，该模块由评估系统和反馈机制组成。 然后，我们分析并总结了传统评估反馈模块的缺点和改进。 最后，我们专注于评估系统和反馈机制，并提出了控制距离IoU和控制距离IoU损失函数（或简称为CDIoU和CDIoU损失），而没有增加模型中的参数或FLOP，这对几种经典模型显示了不同的显着增强。和新兴模型。 一些实验和比较测试表明，协调

yolov4的预训练模型

darknet训练yolov4

微信公众号截取内容

此资源包括yolov4的代码、预训练模型、训练好的权重、cfg、论文。一步到位 Github上下载太慢了，浪费时间。自己用过的，在此提供个方便。 希望大家放心下载。好好学习！！

如果Github下载较慢的话，可以使用这个文件 ，原github地址： ghttps://github.com/AlexeyAB/darknet

tensorflow-yolov4-tflite YOLOv4，YOLOv4-tiny在Tensorflow 2.0中实现。 将YOLO v4，YOLOv3，YOLO tiny .weights转换为.pb，.tflite和trt格式以生成tensorflow，tensorflow lite和tensorRT。 下载yolov4.weights文件： ://drive.google.com/open id 1cewMfusmPjYWbrnuJRuKhPMwRe_b9PaT 先决条件 Tensorflow 2.3.0rc0 性能 演示版 # Convert darknet weights to tensorflow # # yolov4 python save_model.py --weights ./data/yolov4.weights --output ./checkpoints/yolov4-416 --input_size 416 --model yolov4 # # yolov4-tiny python save_model.py --weights ./data/