YOLOv4_车牌号检测.zip
以下4个py文件需要单独运行：
首先运行annotation.py文件：将CCPD数据集进行划分，生成.txt路径文件存储到model_data文件夹中。
然后运行k_means_calculate.py文件：计算生成anchors数值，存储到model_data文件夹中。
再然后运行train.py文件：加载原始权重，训练YOLOv4模型，并将每轮训练的结果存储进Logs文件夹中。
最后运行yolo_predict.py文件：载入训练好的YOLOv4权重，对测试集数据进行检测，检测结果存放入demo文件夹中。
算法效果：----------------------------------------------------------------------
YOLOv4每张图片检测耗时323.8ms，精度较高，训练40 epoch左右后val loss降低至0.3附近，效果非常满意。
训练过程中random数据增强非常重要，可大幅提升模型性能，进一步降低val loss。
文件下载
资源详情
[{"title":"（ 3269 个子文件 725.76MB ） YOLOv4_车牌号检测.zip","children":[{"title":"loss.py <span style='color:#111;'> 8.85KB </span>","children":null,"spread":false},{"title":"c_ious.py <span style='color:#111;'> 1.86KB </span>","children":null,"spread":false},{"title":"yolov4_model.py <span style='color:#111;'> 5.25KB </span>","children":null,"spread":false},{"title":"loss.cpython-36.pyc <span style='color:#111;'> 3.97KB </span>","children":null,"spread":false},{"title":"yolov4_model.cpython-36.pyc <span style='color:#111;'> 3.05KB </span>","children":null,"spread":false},{"title":"......","children":null,"spread":false},{"title":"<span style='color:steelblue;'>文件过多，未全部展示</span>","children":null,"spread":false}],"spread":true}]
评论信息
其他资源
- 2017年第四届APP INVENTOR应用开发全国中学生挑战赛特等奖、一等奖、二等奖（高中组）aia源码
- JSP+JDBC设计并实现一个简单的电子商务网站 附带实验报告和完整源码
- Seagull License Server_v9.01+注册机
- PowerMILL二次开发教程 V2.0
- multisim中导入元件的方法.doc
- new_cfar用于sar检测
- 基于GPU的并行遗传算法
- T-drive数据集
- CloudSim应用编程实验报告范本
- Real-Time Rendering (3rd Edition)
- 创建springboot + mybatis项目，实现登录、注册功能详细过程
- 微信公众号安全处理预案及公众号管理制度
- 计算机程序设计艺术卷1-4合集
- stm32+esp8266连web服务器
- HUAWEI USG6000系列 & NGFW Module V100R001 管理员指南 04
- 2017年11月11号之后Matlab2012b激活文件
- 地图规划路线.zip
- windows驱动开发学习笔记.zip
- 基于STM32F405的飞控系统硬件
- python3抓百度贴吧帖子源码
- 不错的带密码日记本项目Android应用源码
- sap nco30 dotnet40 x64 nco3.0 net4.0 x64
- 西门子S7-200系列PLC自学手册
- MSP430时钟程序
- tiny24__直流马达正反转
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明