yolo4_weights.pth

yolov4剪枝后预训练模型

需要学习ubuntu系统上YOLOv4的同学请前往：《YOLOv4目标检测实战：原理与源码解析》 【为什么要学习这门课】 Linux创始人Linus Torvalds有一句名言：Talk is cheap. Show me the code. 冗谈不够，放码过来！ 代码阅读是从基础到提高的必由之路。尤其对深度学习，许多框架隐藏了神经网络底层的实现，只能在上层调包使用，对其内部原理很难认识清晰，不利于进一步优化和创新。 YOLOv4是最近推出的基于深度学习的端到端实时目标检测方法。 YOLOv4的实现darknet是使用C语言开发的轻型开源深度学习框架，依赖少，可移植性好，可以作为很好的代码阅读案例，让我们深入探究其实现原理。 【课程内容与收获】 本课程将解析YOLOv4的实现原理和源码，具体内容包括： - YOLOv4目标检测原理 - 神经网络及darknet的C语言实现，尤其是反向传播的梯度求解和误差计算 - 代码阅读工具及方法 - 深度学习计算的利器：BLAS和GEMM - GPU的CUDA编程方法及在darknet的应用 - YOLOv4的程序流程 - YOLOv4各层及关键

将yolov4检测推理模块潜入pyqt5可视化界面中。 OpenCV dnn模块调用yolov4 weight和cfg，实现自选图片和自选视频的检测，并在界面中展示出来。

这俩个脚本文件实现了提取VOC数据集格式的特定类，并且转化为yolov4需要的txt

目标检测complex_yolov4权重（已训练模型）

本文件为yolov4官方GitHub仓库内的COCO训练集的训练出模型，可直接用于COCO数据集的检测，也可以用于验证yolov4论文中的数据。

YOLO v4预训练权重文件yolov4.weights，解压即可用

yolo v4 源码，可以去github下载，速度也可以勉强接受

yolov4文章，yolov4程序，以及yolov4预训练权重文件，结合opencv可以实时检测,效果相当的好。