<kbd id="afajh"><form id="afajh"></form></kbd>
<strong id="afajh"><dl id="afajh"></dl></strong>
    <del id="afajh"><form id="afajh"></form></del>
        1. <th id="afajh"><progress id="afajh"></progress></th>
          <b id="afajh"><abbr id="afajh"></abbr></b>
          <th id="afajh"><progress id="afajh"></progress></th>

          YOLOv4 的各種新實現(xiàn)、配置、測試、訓(xùn)練資源匯總

          共 2314字,需瀏覽 5分鐘

           ·

          2022-04-18 23:38


          點擊上方小白學(xué)視覺”,選擇加"星標(biāo)"或“置頂

          重磅干貨,第一時間送達

          本文轉(zhuǎn)載自:我愛計算機視覺

          近日最火的莫過于 YOLOv4 的橫空出世,CV君在第一時間進行了 YOLOv4的論文解讀:

          YOLOv4來了!COCO 43.5 AP,65FPS!實現(xiàn)速度與精度的最優(yōu)平衡

          得到了大家的廣泛關(guān)注。


          以下視頻為 YOLOv4 在駕駛環(huán)境的測試結(jié)果:


          來自?https://www.youtube.com/watch?v=VK2XnppfD_o


          生成上述視頻的命令:

          ./darknet.exe detector demo ../../cfg/coco.data ../../cfg/yolov4-1024.cfg ../../yolov4.weights ~/Desktop/0002-20170519-2.mp4 -thresh 0.2 -ext_output -out_filename ~/Desktop/output.avi


          原 YOLOv4 是基于DarkNet框架的,已經(jīng)有不少小伙伴在著手其他版本的實現(xiàn):


          1、YOLOv4 的 TensorFlow 2.0 實現(xiàn)

          https://github.com/xiao9616/yolo4_tensorflow2


          2、YOLOv4 的 TensorFlow 實現(xiàn).

          持續(xù)更新
          使用說明及設(shè)備介紹詳細
          https://github.com/rrddcc/YOLOv4_tensorflow


          3、YOLOv4 的 TensorFlow 實現(xiàn).

          https://github.com/klauspa/Yolov4-tensorflow


          4、YOLOv4 的 PyTorch 實現(xiàn)

          https://github.com/GZQ0723/YoloV4


          5、YOLOv4(TensorFlow后端)的 Keras 實現(xiàn)

          https://github.com/Ma-Dan/keras-yolo4



          6、YOLOv4 的 PyTorch 實現(xiàn)

          https://github.com/Tianxiaomo/pytorch-YOLOv4

          7、YOLOv4-QtGUI

          Windows 10環(huán)境下,YOLOv4-QtGUI是用QT和OpenCV開發(fā)可視化目標(biāo)檢測界面,可簡單選擇本地圖片、或攝像頭輸入來展示檢測結(jié)果。
          開發(fā)環(huán)境介紹、使用步驟詳細
          https://github.com/scutlrr/Yolov4-QtGUI

          8、將 YOLOv4 模型轉(zhuǎn)換到?tflite?中使用
          將 .weights 轉(zhuǎn)換為 .tflite 格式以獲取 tensorflow lite。
          https://github.com/hunglc007/tensorflow-yolov4-tflite

          配置、訓(xùn)練、教程:

          1、YOLOv4訓(xùn)練自己的數(shù)據(jù)模型

          https://blog.csdn.net/yapifeitu/article/details/105749693

          yolov4訓(xùn)練的時候會用一張動態(tài)圖來顯示訓(xùn)練的效果,如下所示:

          由于設(shè)備問題,沒有訓(xùn)練效果

          2、linux下配置運行YOLOv4!

          基本環(huán)境:cuda=10.0,cudnn>=7.0, opencv>=2.4
          https://blog.csdn.net/ly_twt/article/details/105748280#comments_12014895

          yolov3的檢測效果

          yolov4的檢測效果


          3、linux下在pascal voc數(shù)據(jù)集上訓(xùn)練YOLOv4!

          ? ? ?https://blog.csdn.net/ly_twt/article/details/105761312


          4、windows10+vs2017+opencv3.4.1配置YOLOv4

          https://blog.csdn.net/weixin_39954922/article/details/105785460?fps=1&locationNum=2


          5、YOLOv4在windows下的安裝配置

          http://www.luyixian.cn/news_show_354767.aspx


          最后一組是在朋友圈看到的不同算法下的對比:


          車輛原圖

          SSD結(jié)果
          YOLOv4結(jié)果
          (可見YOLOv4也不盡完美)


          小白團隊出品:零基礎(chǔ)精通語義分割↓

          下載1:OpenCV-Contrib擴展模塊中文版教程
          在「小白學(xué)視覺」公眾號后臺回復(fù):擴展模塊中文教程,即可下載全網(wǎng)第一份OpenCV擴展模塊教程中文版,涵蓋擴展模塊安裝、SFM算法、立體視覺、目標(biāo)跟蹤、生物視覺、超分辨率處理等二十多章內(nèi)容。

          下載2:Python視覺實戰(zhàn)項目52講
          小白學(xué)視覺公眾號后臺回復(fù):Python視覺實戰(zhàn)項目,即可下載包括圖像分割、口罩檢測、車道線檢測、車輛計數(shù)、添加眼線、車牌識別、字符識別、情緒檢測、文本內(nèi)容提取、面部識別等31個視覺實戰(zhàn)項目,助力快速學(xué)校計算機視覺。

          下載3:OpenCV實戰(zhàn)項目20講
          小白學(xué)視覺公眾號后臺回復(fù):OpenCV實戰(zhàn)項目20講即可下載含有20個基于OpenCV實現(xiàn)20個實戰(zhàn)項目,實現(xiàn)OpenCV學(xué)習(xí)進階。

          交流群


          歡迎加入公眾號讀者群一起和同行交流,目前有SLAM、三維視覺、傳感器、自動駕駛、計算攝影、檢測、分割、識別、醫(yī)學(xué)影像、GAN、算法競賽等微信群(以后會逐漸細分),請掃描下面微信號加群,備注:”昵稱+學(xué)校/公司+研究方向“,例如:”張三?+?上海交大?+?視覺SLAM“。請按照格式備注,否則不予通過。添加成功后會根據(jù)研究方向邀請進入相關(guān)微信群。請勿在群內(nèi)發(fā)送廣告,否則會請出群,謝謝理解~


          瀏覽 55
          點贊
          評論
          收藏
          分享

          手機掃一掃分享

          分享
          舉報
          評論
          圖片
          表情
          推薦
          點贊
          評論
          收藏
          分享

          手機掃一掃分享

          分享
          舉報
          <kbd id="afajh"><form id="afajh"></form></kbd>
          <strong id="afajh"><dl id="afajh"></dl></strong>
            <del id="afajh"><form id="afajh"></form></del>
                1. <th id="afajh"><progress id="afajh"></progress></th>
                  <b id="afajh"><abbr id="afajh"></abbr></b>
                  <th id="afajh"><progress id="afajh"></progress></th>
                  日本在线视频一区二区三区 | 久久久国际精品 | 久青久久 | 特级黄色录像 | 4438全国最大无码视频 |