YOLOv4作为目标检测领域的最新进展，其平均精度(AP)比YOLOv3提升了10%，帧率(FPS)提高了12%。源码已公开于GitHub，官方文档也进行了更新。
YOLOv4: Optimal Speed and Accuracy of Object Detection
论文：https://arxiv.org/abs/2004.10934
源码：https://github.com/AlexeyAB/darknet
停更两年之久的的YOLO github官网正式更新 README。
YOLO官网：https://github.com/pjreddie/darknet
性能“亮眼”，越靠右上角意味性能越强，AP越高、FPS越快。
AP比yolov3高了10% FPS比yolov3快了12%
小伙伴们！！！！快去好好研究吧！！！！
您可能感兴趣的与本文相关的镜像
Yolo-v5
YOLO（You Only Look Once）是一种流行的物体检测和图像分割模型，由华盛顿大学的Joseph Redmon 和Ali Farhadi 开发。 YOLO 于2015 年推出，因其高速和高精度而广受欢迎
1184
1098
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
扫一扫
