yolov4

Implementierung des Papers – YOLOv7: Trainable bag-of-freebies setzt neue Maßstäbe für Echtzeit-Objektdetektoren

Implementierung gängiger Deep-Learning-Netzwerke mit der TensorRT-Netzwerkdefinitions-API

PyTorch-, ONNX- und TensorRT-Implementierung von YOLOv4

🔥🔥🔥 Fokus auf YOLO11, YOLOv8, YOLOv12, YOLOv10, RT-DETR, YOLOv7, YOLOv5 Verbesserungsmodelle, Unterstützung zur Verbesserung von Backbone, Neck, Head, Loss, IoU, NMS und anderen Modulen🚀

YOLOv4, YOLOv4-tiny, YOLOv3, YOLOv3-tiny implementiert in Tensorflow 2.0, Android. Konvertierung von YOLO v4 .weights zu Tensorflow, TensorRT und TFLite

Scaled-YOLOv4: Skalierung von Cross Stage Partial Network

Implementierung des Papers – You Only Learn One Representation: Unified Network for Multiple Tasks (https://arxiv.org/abs/2105.04206)

TensorRT MODNet, YOLOv4, YOLOv3, SSD, MTCNN und GoogLeNet

Ein PyTorch-Repository für YOLOv4, attentive YOLOv4 und mobilenet YOLOv4 mit PASCAL VOC und COCO

fire-smoke-detect-yolov4-yolov5 und fire-smoke-detection-dataset zur Feuer- und Raucherkennung

🔥🔥🔥 TensorRT für YOLOv8, YOLOv8-Pose, YOLOv8-Seg, YOLOv8-Cls, YOLOv7, YOLOv6, YOLOv5, YOLONAS...... 🚀🚀🚀 CUDA IS ALL YOU NEED. 🍎🍎🍎

Objektverfolgung, implementiert mit YOLOv4, DeepSort und TensorFlow.

Die PyTorch-Implementierung basierend auf YOLOv4 des Papers: "Complex-YOLO: Real-time 3D Object Detection on Point Clouds"

:basketball::robot::basketball: KI-Web-App und API zur Analyse von Basketballwürfen und Wurfhaltungen.

Leistungsstarke Mehrf Objekterkennung basierend auf YOLO, Deep SORT und KLT 🚀

TensorRT8. Unterstützt Yolov5n,s,m,l,x. darknet -> tensorrt. Yolov4 und Yolov3 verwenden rohe darknet *.weights- und *.cfg-Dateien. Wenn der Wrapper für Sie nützlich ist, geben Sie ihm bitte einen Stern.

Projektkommentare + Papier-Replikation + Algorithmus-Wettbewerbe + PyTorch-Praxis + LeetCode + VLM-Vortraining

GUI zum Markieren von Bounding Boxes von Objekten in Bildern für das Training des YOLO-Neuralnetzwerks

YOLOv3-Implementierung in TensorFlow 2.3.1.

YOLO-Modell-QAT und Bereitstellung mit DeepStream und TensorRT