机器人大师 计划是由Da-Jiang Innovations（DJI）建立的机器人竞赛和学术交流平台，专门为全球技术爱好者设计。 在比赛中，两支团队的机器人通过在安装在机器人上的装甲板上射击小球，在竞技场上相互搏斗。 机器人上广泛使用计算机视觉来跟踪和检测对手机器人并执行自动瞄准和射击。 可以同时检测蓝色和红色装甲 该模型使用框架进行训练，并预先训练了微小的yolov4权重。

yolov4文章，yolov4程序，以及yolov4预训练权重文件，结合opencv可以实时检测,效果相当的好。

基于yolov4模型的目标检测与计数应用文档资料

YOLOv4 CrowdHuman 教程 这是一个演示如何使用和训练YOLOv4人检测器的。 目录 设置 如果您打算在上训练模型，您可以跳过本节并直接跳到上。 否则，要在本地运行训练，您需要有一台具有不错 GPU 的 x86_64 PC。 例如，我主要使用台式 PC 测试此存储库中的代码： NVIDIA GeForce RTX 2080 Ti Ubuntu 18.04.5 LTS (x86_64) CUDA 10.2 cuDNN 8.0.1 此外，您应该在本地 PC 上正确安装 OpenCV（包括 python3“cv2”模块），因为数据准备代码和“darknet”都需要它。 准备训练数据 对于在本地 PC 上的训练，我使用“608x608”yolov4 模型作为示例。 请注意，我在本教程中只使用了 python3（python2 可能不起作用）。 请按照以下步骤准备“ Cr

主要是Yolov4-tiny Yolov4的神经网络模型文件，可以直接调用，主要运用在物体识别、目标识别跟踪、人脸识别、无人机等应用领域。

资源包含全部YOLOV4模型，模型训练的步骤的相关说明都在资源当中。 框架采用的pytorch,信号灯数据集采用的是我自己标注的信号灯数据集，相关数据集的资源可以在我发布的其他资源里找到，数据集的数量庞大，质量优秀，完全可以胜任模型的训练任务。模型文件经过本人亲自调整和测试，确实有效。训练过程中遇到的问题和解决方法都写在了资源里的说明中，最终训练完成的权重文件也一并打包上传，有任何问题可以留言。