bubbliiiing / yolov7-tf2
这是一个YoloV7-tf2的源码，可以用于训练自己的模型。
☆28Updated 2 years ago
Alternatives and similar repositories for yolov7-tf2:
Users that are interested in yolov7-tf2 are comparing it to the libraries listed below
- 这是一个yolox-tf2的源码，可以用于训练自己的模型。☆70Updated 2 years ago
- 这是一个mobilenet-yolov4的库，把yolov4主干网络修改成了mobilenet，修改了Panet的卷积组成，使参数量大幅度缩小。☆47Updated 2 years ago
- 这是一个yolo3-tf2的源码，可以用于训练自己的模型。☆80Updated 2 years ago
- 这是一个efficientnet-yolo3-tf2的源码，将yolov3的主干特征提取网络修改成了efficientnet☆10Updated 2 years ago
- 这是一个yolov5-v6.1-pytorch的源码，可以用于训练自己的模型。☆120Updated last year
- 这是一个ssd-tf2（tensorflow2）的源码，可以用于训练自己的模型。☆138Updated 2 years ago
- 这是一个YoloV5-tensorflow2的源码，可以用于训练自己的模型。☆105Updated 2 years ago
- 这是一个YoloV5-keras的源码，可以用于训练自己的模型。☆34Updated 2 years ago
- 这是一个mobilenet-ssd-keras的源码，可以用于训练自己的轻量级ssd模型。☆106Updated last year
- 这是一个YoloV4-tiny-tf2的源码，可以用于训练自己的模型。☆134Updated 2 years ago
- YOLOv5的轻量化改进(蜂巢检测项目)☆72Updated 2 years ago
- 这是一个yolov7-tiny-pytorch的源码，可以用于训练自己的模型。☆199Updated last year
- 这是Mobilenet-SSD的论文版，可用于训练与预测。☆81Updated 2 years ago
- 这是一个yolov7-keras的源码，可以用于训练自己的模型。☆27Updated 2 years ago
- 这是一个retinanet-keras的源码，可以用于训练自己的模型。☆113Updated last year
- 这个是一个在SSD的基础上用于生成绘制mAP代码所用的txt的例子。（目的是生成txt）☆129Updated 4 years ago
- 这是一个mobilenet-yolov4的库，把yolov4主干网络修改成了mobilenet，修改了Panet的卷积组成，使参数量大幅度缩小。☆71Updated 2 years ago
- 这是一个fcos-pytorch的仓库，可以用于训练自己的数据集。☆28Updated last year
- 这是一个yolact-pytorch的库，可用于训练自己的数据集☆77Updated last year
- 这是一个M2det的Keras实现的库，可以实时检测与训练。☆67Updated last year
- 这是一个mobilenet-yolov4的库，把yolov4主干网络修改成了mobilenet，修改了Panet的卷积组成，使参数量大幅度缩小。☆373Updated last year
- 对VOC数据集进行数据增强☆23Updated 2 years ago
- 这是一个efficientdet-tf2（tensorflow2）的源码，可以用于训练自己的模型。☆58Updated 2 years ago
- 这是一个faster-rcnn的tensorflow2实现的库，可以利用voc数据集格式的数据进行训练。☆174Updated 2 years ago
- YOLOV5 小目标检测修改版☆184Updated 3 years ago
- 这是一个efficientdet-keras的源码，可以用于训练自己的模型。☆88Updated last year
- Add gui for YoloV5 using PyQt5☆152Updated 3 years ago
- 这是一个ssd-keras的源码，可以用于训练自己的模型。☆168Updated last year
- 这是一个利用Keras实现RFBnet的库，RFBnet是SSD的改进版，其整体的结构与SSD相差不大，其主要特点是在SSD的特征提取网络上用了RFB模块。☆63Updated last year
- Multi-backbone, Prune, Quantization, KD☆158Updated 2 years ago