基于PaddlePaddle实现的密度估计模型CrowdNet预训练模型

这是FID预训练好的模型，针对coco的文本生成图像定量指标训练好的模型 复现步骤请看：https://blog.csdn.net/air__Heaven/article/details/124751665 CUB-Bird的FID预训练好的模型，请看：https://download.csdn.net/download/air__Heaven/85362542

原始github地址：https://github.com/hellochick/PWCNet-tf2

Pre-trained models are available here. All models are trained on Kinetics-700 (K), Moments in Time (M), STAIR-Actions (S), or merged datasets of them (KM, KS, MS, KMS).

基于ALBERT预训练模型实现答案预测分类——数据集基于ALBERT预训练模型实现答案预测分类——数据集基于ALBERT预训练模型实现答案预测分类——数据集基于ALBERT预训练模型实现答案预测分类——数据集基于ALBERT预训练模型实现答案预测分类——数据集基于ALBERT预训练模型实现答案预测分类——数据集基于ALBERT预训练模型实现答案预测分类——数据集基于ALBERT预训练模型实现答案预测分类——数据集基于ALBERT预训练模型实现答案预测分类——数据集基于ALBERT预训练模型实现答案预测分类——数据集基于ALBERT预训练模型实现答案预测分类——数据集基于ALBERT预训练模型实现答案预测分类——数据集基于ALBERT预训练模型实现答案预测分类——数据集基于ALBERT预训练模型实现答案预测分类——数据集基于ALBERT预训练模型实现答案预测分类——数据集基于ALBERT预训练模型实现答案预测分类——数据集基于ALBERT预训练模型实现答案预测分类——数据集基于ALBERT预训练模型实现答案预测分类——数据集基于ALBERT预训练模型实现答案预测分类——数据集基于ALBE

包含 "yolov3.cfg"是模型的架构 "yolov3.weights"是预训练权重！ 不含TensorFlow和Pytorch，使用的OpenCV，非常方便，只有一个py文件，代码非常少，支持图片、视频、摄像头！非常好用！

基于pytorch预训练模型使用Faster RCNN调用摄像头进行目标检测【无敌详细！简单！超少代码！】

https://drive.google.com/drive/folders/1jIr8dkvefrQmv737fFm2isiT6tqpbTbv

ConvNext官方预训练模型（base版本）

包括三个文件： 1. pytorch_model.bin 2. config.json 3. vocab.txt