Darknet/YOLOv4训练蒂法人脸识别模型 文件包括:darknet源码+蒂法图片+蒂法图片标注数据+训练配置+训练结果权重+测试图片和视频+测试结果文件 训练教程:https://feater.top/darknet/tifa-with-yolov4 视频测试效果:https://www.bilibili.com/video/BV1qL4y1T7ZB/ 训练平台为戴尔G15 1511 8核16线程 nvidia3060 土豪专用链接
2022-12-11 22:45:42 826.42MB YOLOv4 darknet 人脸识别 蒂法
1
本文件为yolov4官方GitHub仓库内的COCO训练集的训练出模型,可直接用于COCO数据集的检测,也可以用于验证yolov4论文中的数据。
2022-02-14 11:12:30 228.47MB 模型 yolov4 darknet
1
本课程在介绍计算机视觉深度学习基本概念基础上,详尽讲解YOLOV3和YOLOV4的算法模型原理,并基于实际项目中的无人零售商品数据集来手把手教大家如何将它训练成YOLOV3和V4模型,最后对训练出来的模型集进行性能评估,从而挑选出最优模型。 课程主要分为九大章: 1。课程内容介绍、特色及其答疑2。计算机视觉深度学习基本概念及其yolo1,2,3的模型结构讲解3。darknet框架介绍及其安装4。darknet训练和推理代码的梳理5。基于darknet框架训练一个无人零售商品数据集 上半部6。基于darknet框架训练一个无人零售商品数据集 下半部7。模型评估指标(训练过程的loss和iou曲线显示,PR,RECALL,AP以及MAP的计算)8。YOLOV4算法模型原理讲解9。YOLOV4算法模型的训练和测试
1
darknet版yolov4行人检测训练权重;配置文件为data/coco.names; cfg/yolov4.cfg; cfg/coco.data; 训练图片尺寸 512x512;类别名person;训练好的权重保存在backup中,附训练loss图和map曲线图,并包含行人训练数据集800多张
2021-11-26 17:07:48 332.02MB 目标检测 yolov4 darknet 行人目标检测
自动车牌识别 :India: 表中的内容 演示版 总览 这是一个分为四个阶段的对象检测项目,主要致力于检测车辆的车牌,从而读取车牌号并将其保存在文本文件中,以供有关当局使用。该深度学习项目使用YOLOv4(您只看一次)作为神经在名为Darknet的框架之上构建的网络架构,然后使用Tensorflow Lite进行部署准备就绪,使其兼容在各种边缘设备中使用,例如android,iOS,树莓派等。 动机 由于许多实际应用,例如自动收费,交通执法,私人空间出入控制和道路交通监控,自动车牌识别(ALPR)一直是研究的一个频繁主题。 ALPR系统通常分为三个阶段:车牌(LP)检测,字符分割和字符识别。 较早的阶
1
Yolov4-deepsort头盔检测 使用DarknetYOLOv4模型训练的头盔(安全帽)检测器。 测试环境 Windows 10 x64 2020 (build 19041.388) NVIDIA RTX 2070 Super CUDA 10.1 / CuDNN 7.6.5 Python 3.7.7 x64 tensorflow 2.2.0 GPU 训练体重 将重量文件放在./configs 要使用自己的数据集进行训练,您应该使用 。 并需要更改一些参数 使用的数据集 +约100张图片 依存关系 Python opencv-python,numpy,scikit图像在图像上画框和文字 张量流2.2.0 使用DeepSORT模型跟踪对象 matplotlib 创建颜色图 CUDA 10.1 / CuDNN 7.6.5 暗网 用于yolov4对象检测 dark.dll,
2021-08-28 00:42:34 12.2MB deepsort helmet-detection yolov4 yolov4-darknet
1
yolov4发布了,git上面下载太慢,经常容易断网,故将下载下来的共享出来
2021-07-20 23:05:40 7.79MB yolov4 darknet
1
此资源包括yolov4的代码、预训练模型、训练好的权重、cfg、论文。一步到位 Github上下载太慢了,浪费时间。自己用过的,在此提供个方便。 希望大家放心下载。好好学习!!
2021-06-21 17:33:52 389.72MB yolov4 darknet github
1
在Azure上训练自定义YOLO v4暗网模型并在IoT Edge上与Azure Live Video Analytics一起运行 目录 训练定制的YOLO v4模型 先决条件 SSH客户端或命令行工具-对于Windows,请尝试 SCP客户端或命令行工具-对于Windows,请尝试 Azure订阅-适用于新客户的。 熟悉Unix命令-例如vim , nano , wget , curl等。 视觉对象标记工具 在Azure中的Ubuntu(18.04)虚拟机上安装并运行测试 通过使用项目VM设置来设置N系列虚拟机。 SSH进入带有用户名和密码的Ubuntu DSVM(如果使用ssh密钥,则使用该密钥) 如果这是公司订阅,则可能需要删除Azure门户中“网络”下的入站端口规则(删除Cleanuptool-Deny-103) 通过运行以下命令测试Darknet可执行文件。 获得YO
2021-04-15 22:56:04 11KB azure darknet tflite live-video-analytics
1