PyTorch-Spiking-YOLOv3 基于YOLOv3的PyTorch实现（ ）的Spiking-YOLOv3的PyTorch实现，目前支持Spiking-YOLOv3-Tiny。 整个Spiking-YOLOv3即将得到支持。 介绍 为了实现尖峰效果，YOLOv3-Tiny中的某些运算符已进行等效转换。 有关详细信息，请参阅/ cfg中的yolov3-tiny-ours（*）。cfg。 某些运营商的转换 'maxpool（stride = 2）'->'convolutional（stride = 2）' 'maxpool（stride = 1）'->'none' 'upsample'->'transposed_convolutional' 'leaky_relu'->'relu' '批处理标准化'->'fuse_conv_and_bn' 用法 有关培训，评估和推断的基

yolo4_voc_weights.pth是VOC数据集的权重 yolo4_weights是COCO数据集的权重

前言 由于TensorFlow常用TFrecords作为输入格式，我们需要将制作好的Pascal VOC转为TFrecords格式。使用 object detection API 内提供的脚本。 TFRecords格式如下： -uint64 length -uint32 masked_crc32_of_length -byte data[length] -uint32 masked_crc32_of_data 前置要求： Anaconda3（使用python3.x） 制作好的Pascal VOC数据集 1、配置protobuf Google的protobuf是一种轻便高效的结构化数据存储格

仪器仪表界面检测图像数据集VOC标签（700多张图像）

水印数据集-VOC格式

电路元器件数据集 VOC格式

无人机航拍输电线路配网绝缘瓷瓶检测图像数据集（含VOC标签，数量不多）

红外海洋目标训练数据集（VOC标签，8402张图像）.zip

使用deeplab 的箱子分割数据集

水面垃圾检测图像数据集（VOC标签，563张，两类目标）.zip