mobilenet_v2_weights_tf_dim_ordering_tf_kernels_1.0_192_no_top.h5,mobilenetv2 tf.keras预训练模型，可用于迁移学习。

tensorflow训练的ssd_mobilenet_v1_coco_2017_11_17目标检测、图像分类模型。

MobileNet-SSD-RealSense RaspberryPi3（Raspbian Stretch）或Ubuntu16.04 / UbuntuMate +神经计算棒（NCS / NCS2）+ RealSense D435（或USB Camera或PiCamera）+ MobileNet-SSD（MobileNetSSD） 【公告】2018年12月19日，OpenVINO支持RaspberryPi + NCS2！ 【2018年12月31日】完成与NCS2的USB Camera + MultiStick + MultiProcess mode对应。 【2019年1月4日】演出四次。

[英语] MobileNet-SSD 比YoloV2超快的MobileNet-SSD（MobileNetSSD）+神经计算棒（NCS）+ RaspberryPi的爆炸速度。 高精度的多运动物体检测。 视频播放和对象检测是异步执行的。 为了使用多棒实现高速渲染，它是在多线程/ OpenGL中实现的。 【警告】该存储库不支持NCS2。 【日文】 【USB摄像头+多处理高性能版】 下方，使用多个摇杆时，其性能是此存储库程序的三倍以上。 我建议您参考以下存储库。 变更记录 [2018年7月19日]对应于NCSDK v2.05.00.02 / OpenCV 3.4.2 / FPS视图[2018年

皮托奇·西法尔100 pytorch在cifar100上练习 要求 这是我的实验资料 python3.6 pytorch1.6.0 + cu101 张量板2.2.2（可选） 用法 1.输入目录 $ cd pytorch-cifar100 2.数据集 我将使用来自torchvision的cifar100数据集，因为它更方便，但我还将示例代码保留了用于在数据集文件夹中编写您自己的数据集模块的示例，以作为人们不知道如何编写它的示例。 3.运行tensorbard（可选） 安装张量板 $ pip install tensorboard $ mkdir runs Run tensorboard

mobilenet_v2_1.0_224的cpkt文件,有时候下载不了.....做个备份 https://github.com/tensorflow/models/tree/master/research/slim/#Pretrained

YOLOV4：You Only Look Once目标检测模型-修改mobilenet系列主干网络-在pytorch当中的实现 2021年2月8日更新： 加入letterbox_image的选项，关闭letterbox_image后网络的map一般可以得到提升。 目录 性能情况 训练数据集 权值文件名称 测试数据集 输入图片大小 mAP 0.5:0.95 mAP 0.5 VOC07+12 VOC-Test07 416x416 - 79.72 VOC07+12 VOC-Test07 416x416 - 80.12 VOC07+12 VOC-Test07 416x416 - 79.01 所需环境 torch==1.2.0 注意事项 提供的三个权重分别是基于mobilenetv1、mobilenetv2、mobilenetv3主干网络训练而成的。使用的时候注意backbone和权重的对应。 训练

openCV DNN模块需要的.caffemodel 和对应的 .prototxt文件。包括bvlc_googlenet.caffemodel ， mobilenet_ssd.caffemodel 和 bvlc_googlenet.caffemodel， mobileNet_deploy.prototxt

mobilenet v2 pytorch 预训练模型，官网不太好下载，下载速度慢我把这个下好以后上传上来了。主要是用于加载预训练的权重。

mobilenet_v1_1.0_224.tflite