YOLOv4 的各种新实现、配置、测试、训练资源汇总

点击上方“计算机视觉life”，选择“星标”

快速获得最新干货

近日最火的莫过于 YOLOv4 的横空出世，CV君在第一时间进行了 YOLOv4的论文解读：

YOLOv4来了！COCO 43.5 AP，65FPS！实现速度与精度的最优平衡

得到了大家的广泛关注。

以下视频为 YOLOv4 在驾驶环境的测试结果：

来自 https://www.youtube.com/watch?v=VK2XnppfD_o

生成上述视频的命令：

./darknet.exe detector demo ../../cfg/coco.data ../../cfg/yolov4-1024.cfg ../../yolov4.weights ~/Desktop/0002-20170519-2.mp4 -thresh 0.2 -ext_output -out_filename ~/Desktop/output.avi

原 YOLOv4 是基于DarkNet框架的，已经有不少小伙伴在着手其他版本的实现：

1、YOLOv4 的 TensorFlow 2.0 实现

https://github.com/xiao9616/yolo4_tensorflow2

2、YOLOv4 的 TensorFlow 实现.

持续更新

使用说明及设备介绍详细

https://github.com/rrddcc/YOLOv4_tensorflow

3、YOLOv4 的 TensorFlow 实现.

https://github.com/klauspa/Yolov4-tensorflow

4、YOLOv4 的 PyTorch 实现

https://github.com/GZQ0723/YoloV4

5、YOLOv4（TensorFlow后端）的 Keras 实现

https://github.com/Ma-Dan/keras-yolo4

6、YOLOv4 的 PyTorch 实现

https://github.com/Tianxiaomo/pytorch-YOLOv4

7、YOLOv4-QtGUI

Windows 10环境下， YOLOv4 -QtGUI是用QT和OpenCV开发可视化目标检测界面,可简单 选择本地图片、或 摄像 头输入 来展示检测 结果。

开发环境介绍、使用步骤详细

https://github.com/scutlrr/Yolov4-QtGUI

8、将 YOLOv4 模型转换到  tflite 中使用

将 .weights 转换为 .tflite 格式以获取 tensorflow lite。

https://github.com/hunglc007/tensorflow-yolov4-tflite

配置、训练、教程：

1、YOLOv4训练自己的数据模型

https://blog.csdn.net/yapifeitu/article/details/105749693

yolov4训练的时候会用一张动态图来显示训练的效果，如下所示：

由于设备问题，没有训练效果

2、linux下配置运行YOLOv4！

基本环境：cuda=10.0，cudnn>=7.0， opencv>=2.4

https://blog.csdn.net/ly_twt/article/details/105748280#comments_12014895

yolov3的检测效果

yolov4的检测效果

3、linux下在pascal voc数据集上训练YOLOv4！

     https://blog.csdn.net/ly_twt/article/details/105761312

4、windows10+vs2017+opencv3.4.1配置YOLOv4

https://blog.csdn.net/weixin_39954922/article/details/105785460?fps=1&locationNum=2

5、YOLOv4在windows下的安装配置

http://www.luyixian.cn/news_show_354767.aspx

最后一组是在朋友圈看到的不同算法下的对比：

车辆原图

SSD结果

YOLOv4结果

（可见YOLOv4也不尽完美）

交流群

欢迎加入公众号读者群一起和同行交流，目前覆盖SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群，请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~

投稿、合作也欢迎联系：simiter@126.com

好赞！我看完啦