Complex YOLOv4 Pytorch:本文基于YOLOv4的PyTorch实现 源码

复杂的YOLOv4 本文基于YOLOv4的PyTorch实现: 特征 基于YOLOv4的实时3D对象检测 支持 张量板 镶嵌/切口增强训练 使用旋转框的损失进行优化。 更新2020.08.26 : 更快的训练,更快的推理 无锚的方法 无需非最大抑制 示范(在GTX 1080Ti上) 2.入门 2.1。要求 pip install -U -r requirements.txt 有关和库的信息,请参阅其官方网站上的安装说明。 2.2。资料准备 从下载3D KITTI检测数据集。 下载的数据包括: Velodyne点云(29 GB) :将数据输入到Complex-YOLO模型 对象数据集的训练标签(5 MB) :Complex-YOLO模型的输入标签 对象数据集的摄像机校准矩阵(16 MB) :用于可视化预测 对象数据集的左侧彩色图像(12 GB) :用于可视化预测 请确保您按照以下方式