本文件主要使用Tensorflow2.0框架搭建了YOLOV2网络模型,同时finetuning了网络初始权重,包含了网络测试代码
与YOLOv3相比,训练参数只有60%,但MAP提高了60%,并提出更轻量版的Poly-YOLO Lite,与YOLOv3比有相同的京都的,但是更小更快,可应用到实力分割上,代码和论文刚开源!
yolo算法移植成matlab,权值文件需要自己下载(在官网),然后转成txt读取,主函数是detect_and_draw4,自己写的第一个代码,比较粗糙,但又懒得改哈哈,如果有优化的建议就私信我呀
利用yolo实现简单的车辆识别,从随机初始化的权重训练一个YOLO模型是非常重要的,需要大量的数据集和大量的计算资源,所以我们在这个练习中使用了预训练的模型参数。你也可以尝试用自己的数据集对YOLO模
用tensorflow做yolo项目需要的预训练的模型
利用darkflow将yolov2的权重文件转换为tensorflow的pb模型文件,包括yolo.pb以及yolo.meta两个文件。
利用python编写的TensorFlow版yolo代码,实现效果良好,代码运行速度快。
YOLO目标检测框架,结合请谅解的网络模型SqueezeNEt,根据squeezeNet的论文思想,设计了用于目标检测的轻量级神经网络
视频物体识别yolo
theparamsforyolo3,objectdetectionforyouonlylookonce.
