yolov2-tiny 权重，可直接使用，
./darknet cfg/yolov2-tiny.cfg yolov2-tiny.weights data/dog.jpg
2021-05-06 01:18:05
42.87MB
1
在yolo项目中需要将xml标注的文件批量转换成txt格式的文件，利用python实现批量转换，只需要修改xml文件路径，转换后txt保存在xml文件下，并可自动删除原xml文件，代码批注详细，不需要的功能亦可自行注释掉。
2021-05-05 20:39:55
3KB
1
PaddleDetection训练单/多镜头行人追踪模型
项目效果：
项目AI Studio： :
视频地址： :
!z ip code . zip - r work / PaddleDetection - release - 2.0 - rc /
简介
PaddleDetection飞轮目标检测开发套件，有助于开发者更快更好地完成检测模型的组建，训练，优化及部署等全开发流程。
PaddleDetection快速地实现了多种主流目标检测算法，提供了丰富的数据增强策略，网络模块组件（如骨干网络），损失函数等，并集成了模型压缩和跨平台高效部署能力。
经过连续产业实践打磨，桨检测已拥有顺畅，卓越的使用体验，被工业质检，转化图像检测，无人巡检，新零售，互联网，科研等十多个行业的开发者广泛应用。
解压数据集：
该项目数据集使用COCO数据集中的行人部分。
!u nzip - oq da
2021-05-04 15:45:53
11.41MB
1
修剪YOLO
使用模型修剪方法获得紧凑模型，即基于YOLOv5的Pruned-YOLOv5。
注意：
1.该项目基于 。 首先将其安装。 然后，使用此处提供的模型配置文件（ coco_yolov5l.yaml ）和网络模块定义文件（ common.py ）替换原始的对应文件。
2.参考 ，我们还使用次梯度方法进行稀疏度训练（ sparsity.py ）。 此外，稀疏训练和微调相结合以简化修剪流程。 在训练过程中，我们介绍了软掩膜策略和稀疏因子余弦衰变。
3.使用train_sr.py进行稀疏火车，可以直接进行修剪，而无需进行微调。
4.请把prune_channel_v5_weightingByKernel.py和prune_layer_v5_weightingByKernel.py放在主目录（ / yolov5 / ）中。 前者用于通道修剪，后者用于层修剪。 模型修剪可以由他们
2021-05-01 23:30:16
276KB
1
包括论文资料以及Github上ultralytics的工作，基于pytorch的yolov3复现，该代码包括检测与训练两个部分。如果资源过期或其他相关问题请在CSDN留言。
2021-04-28 16:08:50
13.54MB
1
用labelimg做yolo标注时,首次标注完成后再补充标注时,只会采用程序预类定义标注,并把原自定义类文件清空.
使用方法:
1. 如原来是通过pip install labelimg安装, 拷贝本文件labelimg.py到labelimg程序目录(如D:\Python\Python38\Lib\site-packages\labelImg)中;
2. 运行: labelimg [数据集目录名]
如不添加数据集目录名参数, 则会默认使用当前目录为类定义文件classes.txt目录和标注文件保存目录
2021-04-26 22:11:50
58KB
1
该文件中代码通过C++和opencv的DNN模块调用darknet训练的yolo检测模型，实现目标检测。
2021-04-25 14:21:48
5KB
1