在 TensorFlow、TFLite 和 TensorRT 中实现了针对YOLOv5、 YOLOv4、YOLOv4-tiny、YOLOv3 和 YOLOv3-tiny 的行人识别、车辆识别、车牌识别

人工智能_SYBH

于 2023-10-17 16:05:45 发布

阅读量191

点赞数 4

分类专栏： 2024年机器学习&深度学习千例文章标签： tensorflow YOLO 人工智能深度学习 python 数据集

本文链接：https://blog.csdn.net/m0_68036862/article/details/133886239

版权

2024年机器学习&深度学习千例专栏收录该内容

该专栏为热销专栏榜第25名

824 篇文章 844 订阅 ¥99.90 ¥299.90

订阅专栏

该博客介绍了如何在TensorFlow和TFLite中实现YOLOv5、YOLOv4及其变种的行人、车辆和车牌识别。通过将(weights)转换为TensorFlow模型文件，可以进行对象检测。此外，还提供了一个自定义函数用于计算检测到的物体数量，并提供了相关命令示例。同时提到了YOLOv4和YOLOv4-tiny的int8量化问题。

摘要由CSDN通过智能技术生成

源码放在文末

要使用 TensorFlow 实现 YOLOv5，首先我们将 .weights 转换为相应的 TensorFlow 模型文件，然后运行模型。

# Convert darknet weights to tensorflow
## yolov4
python save_model.py --weights ./data/yolov4.weights --output ./checkpoints/yolov4-416 --input_size 416 --model yolov4 

# Run yolov4 tensorflow model
python detect.py --weights ./checkpoints/yolov4-416 --size 416 --model yolov4 --images ./data/images/kite.jpg

# Run yolov4 on video
python detect_video.py --weights ./che

了解本专栏