最新公告
  • 欢迎光临数据科学与编程,我们是数据学科学兴趣交流小组立即加入我们
  • YOLO v4各种新实现、配置、测试、训练资源汇总

    两个月前,YOLO 之父 Joseph Redmon决定退出计算机视觉领域。就在所有人都以为再也等不到 YOLO v4 的时候,它却在近日悄无声息地出现了。这一目标检测神器出现了新的接棒者!
    yolo v4生成视频的命令:

    原 YOLO v4 是基于DarkNet框架的,已经有不少小伙伴在着手其他版本的实现:
    1、YOLO v4 的 TensorFlow 2.0 实现
     
    https://github.com/xiao9616/yolo4_tensorflow2
    2、YOLO v4 的 TensorFlow 实现.
     
    持续更新
     
    使用说明及设备介绍详细
     
    https://github.com/rrddcc/YOLOv4_tensorflow
    3、YOLO v4 的 TensorFlow 实现.
     
    https://github.com/klauspa/Yolov4-tensorflow
    4、YOLO v4 的 PyTorch 实现
     
    https://github.com/GZQ0723/YoloV4
    5、YOLO v4(TensorFlow后端)的 Keras 实现
     
    https://github.com/Ma-Dan/keras-yolo4
    6、YOLO v4 的 PyTorch 实现
     
    https://github.com/Tianxiaomo/pytorch-YOLOv4
     
     
    7、YOLO v4-QtGUI
     
    Windows 10环境下,YOLOv4-QtGUI是用QT和OpenCV开发可视化目标检测界面,可简单选择本地图片、或摄像头输入来展示检测结果。
     
    开发环境介绍、使用步骤详细
     
    https://github.com/scutlrr/Yolov4-QtGUI
     
    8、将 YOLO v4 模型转换到 tflite 中使用
     
    将 .weights 转换为 .tflite 格式以获取 tensorflow lite。
     
    https://github.com/hunglc007/tensorflow-yolov4-tflite
     
    配置、训练、教程:
    1、YOLO v4训练自己的数据模型
     
    https://blog.csdn.net/yapifeitu/article/details/105749693
     
    yolov4训练的时候会用一张动态图来显示训练的效果,如下所示:
     
    由于设备问题,没有训练效果
     
    2、linux下配置运行YOLO v4!
     
    基本环境:cuda=10.0,cudnn>=7.0, opencv>=2.4
     
    https://blog.csdn.net/ly_twt/article/details/105748280#comments_12014895
     
    Yolo v3的检测效果
     
    Yolo v4的检测效果
    3、linux下在pascal voc数据集上训练YOLO v4!
     
         https://blog.csdn.net/ly_twt/article/details/105761312
    4、windows10+vs2017+opencv3.4.1配置YOLO v4
     
    https://blog.csdn.net/weixin_39954922/article/details/105785460?fps=1&locationNum=2
    5、YOLO v4在windows下的安装配置
     
    http://www.luyixian.cn/news_show_354767.aspx
    最后一组是在朋友圈看到的不同算法下的对比:
     
    车辆原图
     

    SSD结果
     
    YOLO v4结果(可见YOLO v4也不尽完美)
     
    YOLO v4 论文:
    https://arxiv.org/abs/2004.10934
     
    YOLO v4 代码:
    https://github.com/AlexeyAB/darknet
    本站上原创文章未经作者许可,不得用于商业用途,仅做学习交流使用,本站免责声明。转载请注明出处,否则保留追究法律责任的权利。《署名-非商业性使用-相同方式共享 4.0 国际 (CC BY-NC-SA 4.0)》许可协议授权
    数据科学与编程 » YOLO v4各种新实现、配置、测试、训练资源汇总

    发表评论

    • 52会员总数(位)
    • 307资源总数(个)
    • 40本周发布(个)
    • 1 今日发布(个)
    • 329稳定运行(天)

    提供最优质的博文资源集合

    立即阅览 了解详情