主要对原tensorflow版本算法进行了网络修改,显示调整,数据处理等细节优化,详细说明了 从本地训练到serving端部署yolov3的整个流程,训练了Visdrone2019无人机数据集, 准确率 较高, 训练工业检测数据集(非80类中的一类),mAP为97.51,FPS在1080上测试15-20帧! - Anns
主要对原tensorflow版本算法进行了网络修改,显示调整,数据处理等细节优化,详细说明了 从本地训练到serving端部署yolov3的整个流程,训练了Visdrone2019无人机数据集, 准确率 较高, 训练工业检测数据集(非80类中的一类),mAP为97.51,FPS在1080上测试15-20帧! - Anns
主要对原tensorflow版本算法进行了网络修改,显示调整,数据处理等细节优化,详细说明了 从本地训练到serving端部署yolov3的整个流程,训练了Visdrone2019无人机数据集, 准确率 较高, 训练工业检测数据集(非80类中的一类),mAP为97.51,FPS在1080上测试15-20帧! - tens
主要对原tensorflow版本算法进行了网络修改,显示调整,数据处理等细节优化,详细说明了 从本地训练到serving端部署yolov3的整个流程,训练了Visdrone2019无人机数据集, 准确率 较高, 训练工业检测数据集(非80类中的一类),mAP为97.51,FPS在1080上测试15-20帧! - Anns
主要对原tensorflow版本算法进行了网络修改,显示调整,数据处理等细节优化,详细说明了 从本地训练到serving端部署yolov3的整个流程,训练了Visdrone2019无人机数据集, 准确率 较高, 训练工业检测数据集(非80类中的一类),mAP为97.51,FPS在1080上测试15-20帧! - qiqi
主要对原tensorflow版本算法进行了网络修改,显示调整,数据处理等细节优化,详细说明了 从本地训练到serving端部署yolov3的整个流程,训练了Visdrone2019无人机数据集, 准确率 较高, 训练工业检测数据集(非80类中的一类),mAP为97.51,FPS在1080上测试15-20帧! - JOKE
主要对原tensorflow版本算法进行了网络修改,显示调整,数据处理等细节优化,详细说明了 从本地训练到serving端部署yolov3的整个流程,训练了Visdrone2019无人机数据集, 准确率 86%左右, 训练的工业检测数据集(一类),mAP为97.51,FPS在1080上测试15-20帧! - tensorflo
主要对原tensorflow版本算法进行了网络修改,显示调整,数据处理等细节优化,详细说明了 从本地训练到serving端部署yolov3的整个流程,训练了Visdrone2019无人机数据集, 准确率 86%左右, 训练的工业检测数据集(一类),mAP为97.51,FPS在1080上测试15-20帧! - zhuangshi
主要对原tensorflow版本算法进行了网络修改,显示调整,数据处理等细节优化,详细说明了 从本地训练到serving端部署yolov3的整个流程,训练了Visdrone2019无人机数据集, 准确率 86%左右, 训练的工业检测数据集(一类),mAP为97.51,FPS在1080上测试15-20帧! - AndyHon/t
主要对原tensorflow版本算法进行了网络修改,显示调整,数据处理等细节优化,详细说明了 从本地训练到serving端部署yolov3的整个流程,训练了Visdrone2019无人机数据集, 准确率 较高, 训练工业检测数据集(非80类中的一类),mAP为97.51,FPS在1080上测试15-20帧! - yang