yolov4 tiny.zip

在刘健.caj文档中，我们进行了基于YOLOv4的学生行为识别研究。通过该研究，我们可以准确地识别学生在课堂中的行为，包括坐立、举手、写字等。我们使用了YOLOv4算法，该算法具有高效和准确的特点，能

介绍 该项目的灵感来自: 我将YOLO v3换成了YOLO v4,并添加了用于异步处理的选项,这大大提高了FPS。 但是,使用异步处理时FPS监视将被禁用,因为它不准确。 另外,我从提取了算法,并将其

yolov4.cfg yolov4.weights yolov4-tiny.cfg yolov4-tiny.weights coco.names

yolov4-pytorch-master.zip

yolov4-keras-master.zip

yolov4dataset制作过程中使用的voc数据集制作文件班阔json达标文件生成、xml文件生成、xml文件转txt文件

tiny_yolov3权重keras_h5，经过试验证实可用，修改model相关路径即可

yolov3-tiny 相关的配置文件包括训练好的权重，可以直接拿来用

TensorRT-YOLOv4 演示 表现 模型 input_size 显卡 模式 推理时间 608x608 gtx 1080Ti float32 23.3毫秒 416x416 gtx 1080Ti

改进YOLOv4模型的高速率检测方法在新疆煤矸中的应用，能够提高检测效率和精确度。改进的方法和技术，在新疆煤矸领域进行了实际应用。研究结果表明，通过优化算法和模型参数，可以更好地适应新疆煤矸的特殊环境