注:版权所有,转载请注明出处。
使用步骤
感谢博主(静候:花开)对本repo使用步骤的讲解
环境搭建及训练方法
更新(Mobilenetv3-YOLOv4)
目前更新了mobilenetv3-yolov4的代码,MAP值和FPS相比于mobilenet-yolov3有很大提高。各位客官请移步到github上查看
结果
name | train Dataset | test Dataset | test size | mAP | inference time(ms) | params(M) | model link |
---|---|---|---|---|---|---|---|
mobilenetv2-YOLOV4 | VOC trainval(07+12) | VOC test(07) | 416 | 0.851 | 11.29 | 46.34 | model |
最新
结合注意力模型(SEnet、CBAM)的YOLOv4模型。
环境
- Nvida GeForce RTX 2080TI
- CUDA10.0
- CUDNN7.0
- Windows and Linux
- Python 3.6
代码地址:YOLOv4
测试结果
- Pascal VOC2007测试集上结果:
- Pascal VOC2007 P-R曲线:
新特性
- Mish
- Data Augment (RandomHorizontalFlip, RandomCrop, RandomAffine, Resize)