yolov4

Implémentation de l'article YOLOv7 : les ensembles de 'bag-of-freebies' entraînables établissent un nouvel état de l'art pour les détecteurs d'objets en temps réel.

Implémentation de réseaux de deep learning populaires avec l'API de définition de réseau TensorRT.

Implémentation de YOLOv4 en PyTorch, ONNX et TensorRT

🔥🔥🔥 Modèles améliorés axés sur YOLO11, YOLOv8, TYOLOv12, YOLOv10, RT-DETR, YOLOv7 et YOLOv5, avec prise en charge de l'amélioration du backbone, du neck, de la head, de la perte, de l'IoU, du NMS et d'autres modules🚀

Implémentation de YOLOv4, YOLOv4-tiny, YOLOv3, YOLOv3-tiny en Tensorflow 2.0 et Android. Conversion de poids YOLO v4 vers tensorflow, tensorrt et tflite

Scaled-YOLOv4 : mise à l'échelle du réseau Cross Stage Partial

Implémentation de l'article - You Only Learn One Representation: Unified Network for Multiple Tasks (https://arxiv.org/abs/2105.04206)

TensorRT pour MODNet, YOLOv4, YOLOv3, SSD, MTCNN et GoogLeNet.

Dépôt PyTorch pour YOLOv4, attentive YOLOv4 et mobilenet YOLOv4 avec PASCAL VOC et COCO.

Détection d'incendie et de fumée basée sur YOLOv4/YOLOv5 avec jeu de données associé.

TensorRT pour YOLOv8, YOLOv8-Pose, YOLOv8-Seg, YOLOv8-Cls, YOLOv7, YOLOv6, YOLOv5, YOLONAS. CUDA est tout ce dont vous avez besoin.

Suivi d'objets implémenté avec YOLOv4, DeepSort et TensorFlow.

Implémentation PyTorch basée sur YOLOv4 pour l'article : "Complex-YOLO: Real-time 3D Object Detection on Point Clouds"

🏀🤖🏀 Application web et API d'IA pour analyser les tirs et la posture de tir au basket-ball.

Suivi d'objets multiples haute performance basé sur YOLO, Deep SORT et KLT

Support de TensorRT 8 pour Yolov5n, s, m, l, x. Conversion de Darknet vers TensorRT. Yolov4 et Yolov3 utilisent les fichiers *.weights et *.cfg natifs de Darknet.

Commentaires de projets, reproduction d'articles, compétitions d'algorithmes, pratique PyTorch, LeetCode et pré-entraînement VLM

Interface graphique pour annoter des boîtes englobantes d'objets dans des images pour l'entraînement du réseau de neurones YOLO

Implémentation de YOLOv3 dans TensorFlow 2.3.1.

Quantification de type QAT pour modèle YOLO et déploiement avec DeepStream et TensorRT