Complex-YOLOv4-Pytorch:本文基于YOLOv4的PyTorch实现-源码

上传者: 42151729 | 上传时间: 2021-11-01 10:22:05 | 文件大小: 6.54MB | 文件类型: -
复杂的YOLOv4 本文基于YOLOv4的PyTorch实现: 特征 基于YOLOv4的实时3D对象检测 支持 张量板 镶嵌/切口增强训练 使用旋转框的损失进行优化。 更新2020.08.26 : 更快的训练,更快的推理 无锚的方法 无需非最大抑制 示范(在GTX 1080Ti上) 2.入门 2.1。要求 pip install -U -r requirements.txt 有关和库的信息,请参阅其官方网站上的安装说明。 2.2。资料准备 从下载3D KITTI检测数据集。 下载的数据包括: Velodyne点云(29 GB) :将数据输入到Complex-YOLO模型 对象数据集的训练标签(5 MB) :Complex-YOLO模型的输入标签 对象数据集的摄像机校准矩阵(16 MB) :用于可视化预测 对象数据集的左侧彩色图像(12 GB) :用于可视化预测 请确保您按照以下方式

文件下载

评论信息

  • python_yjys :
    直接把github的项目搬过来。。。
    2021-08-11

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