包含yolov4.weights、yolov4.conv.137、yolov4.cfg ，无积分的可以关注微AI_starting 回复yolov4即可获取网盘链接

MobileNetV2-YOLOv3-Nano的暗网实现：移动终端设计的检测网络0.8BFlops！华为P40 6ms ！！！ MobileNetv2-YOLOv3-SPP暗网MobileNetv2-YOLOv3-SPP检测网络的暗网实现网络VOC mAP（0.5）解析推断时间（GTX2080ti）FLOPS权重大小MobileNetV2-YOLOv3-SPP 71.7 416 5ms 5.5BFlops 14.2 * emmmm ...这个懒得训练，mAP就凑合这样吧 在GTX1080ti上，MobileNetV2-YOLOv3-SPP的推理时间为100毫秒，而RTX2080的推理时间为5毫秒！！！ 移动推理框架基准测试（4 * AR

我找了这个数据包很久，由于大家知道的原因无法下载，托远方的朋友下载，在这里分享给大家

yolo-midas自主导航 将YOLOv3与MiDaS与单个Resnext101主干结合。 想法是针对两个不同的应用程序使用单个特征提取器，在这种情况下为对象检测和单眼深度估计。 请阅读文章以了解更多详细信息 可以在model/mde_net.py看到模型架构的更改 训练 该模型在“建筑安全装备数据”上进行了训练，可在此处找到 。 如果需要对自定义数据集进行培训，请参考页面中提到的数据准备步骤。 将数据放在data/customdata/custom.data文件夹中 python3.6 train.py --data data/customdata/custom.data --batch 8 --cache --cfg cfg/mde.conf --epochs 50 --img-size 512 请参考配置文件cfg/mde.cfg更改网络配置，冻结不同的分支。 该模型是YO

5.1 三角函数 acos 反余弦 acosh 反双曲余弦 acot 反余切 acoth 反双曲余切 acsc 反余割 acsch 反双曲余割 asec 反正割 asech 反双曲正割 asin 反正弦 asinh 反双曲正弦 atan 反正切 atanh 反双曲正切 atan2 四象限反正切 cos 余弦 cosh 双曲余弦 cot 余切 coth 双曲余切 csc 余割 csch 双曲余割 sec 正割 sech 双曲正割 sin 正弦 sinh 双曲正弦 tan 正切 tanh 双曲正切 5.2 指数函数 exp 指数 log 自然对数 log10 常用对数 log2 以 2 为底的对数 nextpow2 最近邻的 2 的幂 pow2 2 的幂 sqrt 平方根 5.3 复数函数 abs 绝对值 angle 相角 complex 将实部和虚部构成复数 conj 复数共轭 cplxpair 复数阵成共轭对形式排列 imag 复数虚部 isreal 若为实数矩阵则为真 6

yolov3火焰识别训练权重，pytorch框架ultralytics版yolov3代码，附代码，目标类别名为fire，训练好的权重和曲线图在runs/train文件夹下，有需要的可以下载

darknet版yolov3乒乓球检测训练权重，data/coco.names ; cfg/coco.data ; cfg/yolov3.cfg ; 类别名为ping pong；训练好的权重保存在backup文件夹中；附附训练loss图和map曲线图，并包含乒乓球训练数据集400多张

电塔绝缘子YOLOv3训练权重，附代码，权重文件在runs/trian/exp2中，代码为ultralytics版YOLOv3，有需要的可以下载，目标类别名为Insulator

1 、运行darknet官方代码中的detector valid指令，生成对测试集的检测结果。 .\darknet detector valid -out “” 其中voc.data和cfg文件就是你当时训练用的配置文件，weights文件就是你训练出来的结果，其中需要修改的是voc.data文件，其中应该是有五行的，其中第三行是valid就是需要验证测试集的路径。 2、执行完之后应该会在程序的当前目录生成一个results文件夹，里面存有检测结果，文件名为comp4_det_test_.txt，画风如下所示。 txt中数据格式为: 文件名 置信度 x y w h。 3、下载检测用脚本

yolov3(pytorch)训练自己的数据集可参看本人blog。要使用的预训练权重：首先下载训练好的网络参数yolov3-tiny.weights，到weights目录下，但仍然需要fine-tune，so对yolov3-tiny.weights进行改造，下载darknet相关文件，下载好之后进入文件make一下，生成darknet可执行文件，在当前文件目录下运行： ./darknet partial cfg/yolov3-tiny.cfg yolov3-tiny.weights yolov3-tiny.conv.15 15 即可得到该文件yolov3-tiny.conv.15