TensorFlow-2.x-YOLOv3和YOLOv4教程
TensorFlow 2.x中的YOLOv3和YOLOv4实现，并支持训练，传递训练，对象跟踪mAP等...代码已通过以下规格测试：
i7-7700k CPU和Nvidia 1080TI GPU
操作系统Ubuntu 18.04
CUDA 10.1
cuDNN v7.6.5
TensorRT-6.0.1.5
Tensorflow-GPU 2.3.1
代码已在Ubuntu和Windows 10上进行了测试（不正式支持TensorRT）
使用2.4.0 TensorFlow-不起作用！
安装
首先，克隆或下载此GitHub存储库。安装要求并下载预训练的砝码：
pip install -r ./requirements.txt
# yolov3
wget -P model_data https://pjreddie.com
2022-02-11 08:53:49
91.75MB
1
下载后放到darknet_ros/darknet_ros/yolo_network_config/weights/
2022-01-10 21:10:15
435.14MB
1
DarknetYolov3v4模型文件及对应预训练权重(tiny与非tiny)
2022-01-08 21:11:48
339.78MB
1
详细描述daknet yolov3训练过程，包含数据标注、标注数据转化说明及其python代码、CPU和GPU训练过程及GPU训练结果描述，适合刚接触darknet模型训练的朋友们，如对文档相关内容或yolo模型相关的其他问题，均可留言交流哦！感谢支持，也希望能帮到大家！
2021-12-31 19:08:42
13.87MB
1
本课程在介绍计算机视觉深度学习基本概念基础上，详尽讲解YOLOV3和YOLOV4的算法模型原理，并基于实际项目中的无人零售商品数据集来手把手教大家如何将它训练成YOLOV3和V4模型，最后对训练出来的模型集进行性能评估，从而挑选出最优模型。
课程主要分为九大章：
1。课程内容介绍、特色及其答疑2。计算机视觉深度学习基本概念及其yolo1,2,3的模型结构讲解3。darknet框架介绍及其安装4。darknet训练和推理代码的梳理5。基于darknet框架训练一个无人零售商品数据集 上半部6。基于darknet框架训练一个无人零售商品数据集 下半部7。模型评估指标（训练过程的loss和iou曲线显示，PR，RECALL，AP以及MAP的计算）8。YOLOV4算法模型原理讲解9。YOLOV4算法模型的训练和测试
2021-12-14 21:53:58
1.41GB
1