文件名称：YOLObile:这是YOLObile的实现
文件大小：1.27MB
文件格式：ZIP
更新时间：2024-04-08 08:24:43
deep-learning object-detection yolov4 Python
YOLObile 这是的实现使用。多亏了原作者。 arXiv： ：//arxiv.org/abs/2009.05697在AAAI 2021中进行 对于那些可能对编译器代码（如何将其部署到Android上）感兴趣的人：编译器源代码与我们在William＆Mary的合作者相关联，并且具有与IP相关的联合知识。我们现在没有计划将此部分开源。带来不便敬请谅解。 对于IOS开发人员：由于高度开源的优势，我们仅使用Android平台来构建和测试编译器。我们还相信可以在Apple IOS平台上应用相同的技术，但我们尚未对其进行测试。 介绍 物体检测技术的Swift发展和广泛应用引起了对物体检测器的准确性和速度的关注。但是，当前的最新对象检测工作要么使用大型模型以准确性为导向，但会导致高延迟，或者使用轻量级模型以速度为导向，但会牺牲准确性。在这项工作中，我们提出了YOLObile框架，该框架是通过压缩
【文件预览】：
YOLObile-master
----runprune.sh(446B)
----models.py(22KB)
----testers.py(58KB)
----check_compression.py(2KB)
----cfg()
--------darknet_admm.yaml(408B)
--------csdarknet53s-panet-spp.cfg(12KB)
--------darknet_retrain.yaml(408B)
----data()
--------coco_paper.names(702B)
--------coco.names(621B)
--------coco2014.data(85B)
--------coco1.data(75B)
--------get_coco2017.sh(824B)
--------coco64.txt(3KB)
--------coco1.txt(42B)
--------coco16.txt(672B)
--------samples()
--------coco1cls.data(80B)
--------get_coco2014.sh(824B)
--------coco1cls.txt(672B)
--------coco16.data(77B)
--------coco2017.data(87B)
--------coco64.data(77B)
----test.py(12KB)
----train.py(43KB)
----model_pruned()
--------.gitkeep(0B)
----Dockerfile(3KB)
----prune_config()
--------config_csdarknet53pan_v14.yaml(4KB)
--------config_csdarknet53pan_v8.yaml(4KB)
--------config_csdarknet53pan_v2.yaml(4KB)
--------config_csdarknet53pan_v10.yaml(4KB)
--------config_csdarknet53pan_avgv8.yaml(4KB)
--------config_csdarknet53pan_slv8.yaml(4KB)
--------config_csdarknet53pan_v4.yaml(4KB)
----LICENSE(34KB)
----detect.py(8KB)
----model_retrained()
--------.gitkeep(0B)
----requirements.txt(1001B)
----.gitignore(4KB)
----figure()
--------yolobilemap.png(105KB)
--------yolo_demo.jpg(472KB)
----.dockerignore(4KB)
----weights()
--------download_yolov3_weights.sh(896B)
----README.md(8KB)
----utils()
--------adabound.py(11KB)
--------utils.py(44KB)
--------profile_local.py(8KB)
--------datasets.py(34KB)
--------evolve.sh(932B)
--------torch_utils.py(9KB)
--------gcp.sh(2KB)
--------__init__.py(0B)
--------checkfile.py(438B)
--------cleanfile.py(730B)
--------parse_config.py(3KB)
--------layers.py(6KB)
--------google_utils.py(3KB)
----admm.py(21KB)