YOLOv4-pytorch（专注的YOLOv4和Mobilenetv3 YOLOv4） 这是YOLOv4架构的PyTorch重新实现，它基于正式的实现与PASCAL VOC，COCO和客户数据集 结果（更新中） 姓名 训练数据集 测试数据集 测试大小 地图 推理时间（毫秒） 参数（M） 模型链接 mobilenetv2-YOLOV4 VOC Trainval（07 + 12） VOC测试（07） 416 0.851 11.29 46.34 更新！！！ Mobilene

MobileNetV3-PyTorch MobileNetV3的PyTorch实现 概述 MobileNetV3体系结构的PyTorch实现： 。 基于MNASNet（可通过架构搜索找到），添加了量化友好的SqueezeExcite和Swish + NetAdapt + Compact层。 结果：比MobileNetV2快2倍，并且更准确。 MobileNetV3体系结构 MobileNetV3结果

mobilenetv3细分 的非官方实现，用于语义分割。 必需品 PyTorch 1.1 Python 3.x 用法 火车 单GPU训练 python train.py --model mobilenetv3_small --dataset citys --lr 0.0001 --epochs 240 多GPU训练 # for example, train mobilenetv3 with 4 GPUs: export NGPUS=4 python -m torch.distributed.

CenterNet和MobileNetV3的PyTorch实现 介绍 CenterNet，带有基于PyTorch的MobileNetV3骨干头盔检测，仅带有推理代码。 该回购是从分叉和 。 安装 cd $ROOT/lib/models/networks/DCNv2 python setup.py build develop 用法 python demo.py

总览 注意：这是一个跟踪库，不是独立的头像伪造程序。 我也在开发的应用程序，该应用程序目前处于公开测试阶段。 该项目实现了基于MobileNetV3的面部标志检测模型。 由于Windows上的Pytorch 1.3 CPU推断速度非常低，因此该模型已转换为ONNX格式。 使用它可以以30-60 fps的速度运行，跟踪一张脸。 有四种模型，以不同的速度跟踪质量折衷。 如果有人好奇，这个名字就是在公海和看到面Kong的傻双关语。 没有更深层的意义。 您可以在找到最新的示例视频，其中显示了在不