文件名称：yolo_various_framework:在各种框架上运行YOLO（对象检测模型）
文件大小：477KB
文件格式：ZIP
更新时间：2024-04-29 11:27:14
python tensorflow pytorch object-detection onnx
yolo_various_framework 在各种框架上运行YOLO（对象检测模型） 与该存储库相对应的文章（Qiita） 以下文章仅以日语撰写。 我的动机 我想在PC上运行对象检测模型我没有太多钱可以买任何GPU 我想知道哪个框架在经过时间的意义上是最好的 我想确认一下，当我将预先训练的权重转换为另一个框架时，预测结果没有太大不同 对象检测模型 yolov3-tiny 输入图像尺寸：512x512 yolov3 输入图像尺寸：512x512 yolov3-spp 输入图像尺寸：512x512 yolov4-tiny 输入图像尺寸：512x512 约洛夫4 输入图像尺寸：512x512 [进行中] yolov4-csp（ ） 输入图像尺寸：512x512 [进行中] yolov4x- （ ） 输入图像尺寸：512x512 [进行中] YOLO V3和V4只能在
【文件预览】：
yolo_various_framework-main
----models()
--------common.py(13KB)
--------yolo.py(12KB)
--------tf_yolo.py(34KB)
--------yolov5s.yaml(1KB)
--------__init__.py(0B)
--------yolov5x.yaml(1KB)
--------yolov5l.yaml(1KB)
--------export.py(4KB)
--------tf_yolov5.py(21KB)
--------yolov5m.yaml(1KB)
--------experimental.py(5KB)
----download_font.sh(269B)
----tools()
--------yolov3-spp.cfg(8KB)
--------yolov4-csp.csv(6KB)
--------yolov4.cfg(12KB)
--------yolov4x-mish.csv(7KB)
--------yolov4.xlsx(18KB)
--------yolov3-spp.xlsx(16KB)
--------convert_yolo_config_csv.py(2KB)
--------yolov3.xlsx(16KB)
--------yolov4.csv(6KB)
--------yolov4x-mish.cfg(15KB)
--------yolov4-tiny.cfg(3KB)
--------yolov4-tiny.csv(1KB)
--------yolov4-tiny.xlsx(12KB)
--------yolov3.csv(4KB)
--------yolov3-spp.csv(4KB)
--------yolov3-tiny.csv(838B)
--------yolov4x-mish.xlsx(20KB)
--------yolov3.cfg(8KB)
--------yolov4-csp.xlsx(19KB)
--------yolov3-tiny.cfg(2KB)
--------yolov3-tiny.xlsx(11KB)
--------yolov4-csp.cfg(13KB)
----detect_all.sh(1KB)
----convert_yolo.py(1KB)
----LICENSE(1KB)
----download_superres.sh(351B)
----detect.py(3KB)
----convert_yolov5.py(1KB)
----requirements.txt(158B)
----convertor()
--------yolov5()
--------__init__.py(0B)
--------yolo()
----.gitignore(2KB)
----detector()
--------yolov5.py(12KB)
--------yolo.py(16KB)
--------__init__.py(0B)
--------.gitignore(16B)
--------base.py(13KB)
----weights()
--------build_docker.sh(40B)
--------compile_edgetpu.sh(345B)
--------download_yolov5.py(2KB)
--------Dockerfile(453B)
--------download_yolo.sh(1KB)
--------.gitignore(12B)
--------README.md(5KB)
----README.md(7KB)
----utils()
--------loss.py(9KB)
--------plots.py(17KB)
--------nms.py(3KB)
--------metrics.py(9KB)
--------general.py(23KB)
--------datasets.py(43KB)
--------activations.py(2KB)
--------autoanchor.py(7KB)
--------torch_utils.py(12KB)
--------__init__.py(0B)
--------convert_tflite.py(7KB)
--------image_preproc.py(2KB)
--------google_utils.py(5KB)
----evaluate_all.sh(1KB)
----labels()
--------coco_labels.txt(930B)
----datasets()
--------download_coco_val2017.sh(455B)
--------create_small_dataset.py(2KB)
--------.gitignore(35B)
--------README.md(657B)
----ipynb()
--------time.png(41KB)
--------map.png(37KB)
--------accumulate.ipynb(188KB)
--------time_vs_map.png(59KB)