yolov3-tiny.conv.15.rar yolov3-tiny.conv.15 for yolov3-tiny pretrain model

License-plate-recognition 使用 "Darknet yolov3-tiny" 训练检测模型 1. 下载,提取码: j7c2. 2. 将data.zip解压到darknet.exe所在目录下. 3. 进入data/voc目录下运行voc_label.bat重新生成2019_train.txt, 2019_val.txt. 4. 修改cfg/yolov3-tiny.cfg [net] batch=64 subdivisions=4 // 这里根据自己内存大小修改(我11G显存设置2时,中途会out of memory. 所以设置4, 训练时显存占用约6G) angle=5 // 增加旋转角度产生样本 max_batches = 220000 //最大迭代次数 steps=70000,200000 //调整学习率变化

darknet的YoloV3-tiny检测交通标志--34种（.cfg配置文件，.data、.name文件、权重文件），针对清晰图像有较好的识别效果。使用该资源请提前部署好darknet环境即可直接识别。 （ps：我原本没调整需要积分，后来发现都下载不了来找我，才发现是动态积分自己调整的，我设置了不允许动态调分，大家下载了自己研究一下吧，darknet教程网上有很多，不懂的花点心思搜一搜还是能搜到的，加油，祝大家学业顺利）

yolov3-tiny预训练 yolov3预训练 yolov4 预训练yolov4-tiny预训练模型，全部打包在压缩文件

建议首先阅读文档《HiSVP 开发指南.pdf》、《HiSVP API 参 考.pdf》、《HiSVP 量化库使用指南.pdf》 说明：步骤 b 中生成的 Prototxt 可以直接用，ruyi studio 会自 动进行规范化

yolov3-tiny.conv.15预训练模型下载，/darknet partial cfg/yolov3-tiny.cfg yolov3-tiny.weights yolov3-tiny.conv.15

YOLOv3-Torch2TRT 介绍 通过torch2trt Python API将YOLOv3和YOLOv3-tiny（PyTorch版本）转换为TensorRT模型。 安装 克隆仓库 git clone https://github.com/DocF/YOLOv3-Torch2TRT.git 下载预先训练的体重 $ cd weights/ $ bash download_weights.sh 要求 需要两个特殊的Python包： 张量 火炬2trt 由于YOLO中的升采样操作，根据torch2trt API的介绍，您需要使用插件安装该版本。 安装参考： : 检查torch2trt API python3 check.py 推理加速 加速技术： FP16 TensorRT 以下是TITAN xp的一些结果： 型号名称 输入尺寸 FP16 整个模式*（FPS） 骨

利用darknet编译后生成，供yolov3自定义数据集学习训练使用

yolov3-tiny.pt

利用darknet框架训练得到的.weights权重文件，还包含.data文件，.name文件，导入darknet框架可直接识别（视频、图片、摄像头），也可自己将.weights权重文件转换其他网络模型的权重文件然后识别。该文件能识别圆红灯(red)，圆绿灯(green)，箭头直行(straight green)，箭头左转(left green)，箭头禁止直行(straight red)，箭头禁止左转(left red)