yolov5 权重

https://gitee.com/edclol/yolov5.git

https://www.bilibili.com/video/av328439400/

1.源码地址:https://github.com/ultralytics/yolov5
https://github.com/ultralytics/yolov3
2.yolo所有权重文件:
链接:https://pan.baidu.com/s/1Zk2Ksfl_v-apbRBQ_mqc6w
提取码:00mp
3.在mx150笔记本测试,v5速度优势不是很大,但是比tiny精度好得多,v5最大的亮点应该是移植到移动设备。
感谢u大佬的研究工作!哈哈

版权声明:本文为CSDN博主「edclol」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/qq_43716478/article/details/108818736

edclol

我还没有学会写个人说明!

暂无评论

发表评论

相关推荐

目标检测中的NMS算法(Non-max suppression)

非极大值抑制:即找到局部极大值,而非最大值,并抑制其领域内的其余值。 在目标检测中,对于一个物体可能会预测出多个候选框,那么这时就可以用极大值抑制对一些冗余的框进行滤除。 一

Meta-DETR | 图像级“元”学习提升目标检测精度

计算机视觉研究院专栏作者:Edison_GOne-shot目标检测旨在通过几个标注的样本来检测新的目标。之前的工作已经证明了元学习是一个很有前途的解决方案,它们中的大多数基本上是通过解决在区域上的元学习检测来进行分类

AP AR mAP ROC AUC(目标检测)

禁止转载!在做目标检测任务的时候,通常会制定规则来评估性能,就如下图所示,后面会慢慢道来其中的原理。 混淆矩阵中 TP、TN、FP、FN
在目标检测中,通常以IoU阈值作为