Modified Yolov4Tiny RaspberryPi This repository contains a PyTorch implementation of the architecture introduced in the "Real-time object detection method based on improved YOLOv4-tiny" for the final project of the Deep Learning course. The network have been trained to detect and classify faces with...
代码中的yolov4_tiny_weights_coco.h5和yolov4_tiny_weights_voc.h5是基于416x416的图片训练的。小技巧的设置在train.py文件下: 1、mosaic参数可用于控制是否实现Mosaic数据增强。 2、Cosine_scheduler可用于控制是否使用学习率余弦退火衰减。 3、label_smoothing可用于控制是否Label Smoothing平滑。
yolov5s , yolov5m , yolov5l , yolov5x ,yolov5-p6tutorial yolov4 , yolov4-tiny yolov3 , yolov3-tiny Features inequal net width and height batch inference support FP32,FP16,INT8 dynamic input size PLATFORM & BENCHMARK windows 10 ...
add yolov4-tiny.cfg #1350 5年前 data Global code reformat and optimize imports 5年前 utils Global code reformat and optimize imports 5年前 weights updates 5年前 .dockerignore update .dockerignore 5年前 .gitattributes add .gitattributes file ...
在本教程中,我们将使用 PyTorch 实现基于 YOLO v3 的目标检测器,后者是一种快速的目标检测算法。 本教程使用的代码需要运行在Python3.5 和 PyTorch 0.3 版本之上。你可以在以下链接中找到所有代码: https://github.com/ayooshkathuria/YOLO_v3_tutorial_from_scratch ...
超越YOLOv4、YOLOv5的工业级SOTA模型PP-YOLOv2 122FPS、51.8%AP的轻量级SOTA多人关键点检测算法PP-TinyPose 功能全面覆盖 100+垂类预训练模型,应用场景覆盖工业制造、安防巡检、智慧交通等10+行业: 实时跟踪系统PP-Tracking,一网打尽单/多镜头下的行人车辆跟踪能力 覆盖旋转框检测、实例分割、行人检测、人脸检测...
NanoDet 和 yolov4-tiny 的性能对比。 最后,该项目提供了 Android demo、C++ demo 和Pythondemo。NanoDet 在安卓端的目标检测结果如下所示: NanoDet 方法 NanoDet 是一种 FCOS 式的单阶段 anchor-free 目标检测模型,它使用 ATSS 进行目标采样,使用 Generalized Focal Loss 损失函数执行分类和边框回归(box regression...
超越YOLOv4、YOLOv5的工业级SOTA模型PP-YOLOv2 122FPS、51.8%AP的轻量级SOTA多人关键点检测算法PP-TinyPose 功能全面覆盖 100+垂类预训练模型,应用场景覆盖工业制造、安防巡检、智慧交通等10+行业: 实时跟踪系统PP-Tracking,一网打尽单/多镜头下的行人车辆跟踪能力 ...
1. 比YOLOv4、YOLOv5 更强的PP-YOLOv2。 无需再纠结YOLOv3、YOLOv4、Scaled YOLOv4、YOLOv5到底选哪个了,选PPYOLOv2就对了!最高mAP 50.3%,最高FPS106.5FPS,超越YOLOv4甚至YOLOv5!又快又好,他不香么? 论文:https:///abs/2104.10419 2. 1.3M 超超超轻量目标检测算法PP-YOLO Tiny ...
超越YOLOv4、YOLOv5的工业级SOTA模型PP-YOLOv2 122FPS、51.8%AP的轻量级SOTA多人关键点检测算法PP-TinyPose 功能全面覆盖 100+垂类预训练模型,应用场景覆盖工业制造、安防巡检、智慧交通等10+行业: 实时跟踪系统PP-Tracking,一网打尽单/多镜头下的行人车辆跟踪能力 ...