YOLOv5_DOTA_OBB-master在Window下运行的环境配置，包括CUDA安装，debug调试
2021-10-15 11:09:03
2.66MB
1
yolov5 pytorch1.5版本，由于commit 太快，所以留存。希望以后用得到，目前yolov5 的检测效果还是非常好的
2021-10-14 21:57:38
676.86MB
1
YoloV5-ncnn-Raspberry-Pi-4
带有ncnn框架的YoloV5。
论文： ： 专为裸露的Raspberry Pi 4制作，请参阅
基准。
模型
杰特逊纳米2015 MHz
RPi 4 64-OS 1950兆赫
YoloV2（416x416）
10.1帧/秒
3.0帧/秒
YoloV3（352x352）微小
17.7帧/秒
4.4 FPS
YoloV4（416x416）微小
11.2 FPS
3.4帧/秒
YoloV4（608x608）完整
0.7帧/秒
0.2帧/秒
YoloV5（640x640）小
4.0 FPS
1.6帧/秒
依赖关系。
要运行该应用程序，您必须：
具有32或64位操作系统的树莓派4。 它可以是Raspberry 64位操作系统，也可以是Ubuntu 18.04 / 20.04。
已安装腾讯ncnn框架。
已安装OpenC
2021-10-13 13:19:16
14.1MB
1
c++实现yolov5的OpenVINO部署
本文介绍了一种使用c++实现的,使用OpenVINO部署yolov5的方法.
此方法在2020年9月结束的极市开发者榜单中取得后厨老鼠识别赛题第四名.
2020年12月,注意到yolov5有了许多变化,对部署流程重新进行了测试,并进行了整理.
希望能给需要的朋友一些参考,节省一些踩坑的时间.
2021.2.27
注意到yolov5更新了4.0版本的release,该仓库不能直接使用，请git reset到v3.1对应的版本下使用.
如果有改好的兼容4.0版本的实现，欢迎提merge.
模型训练
1. 首先获取yolov5工程
git clone https://github.com/ultralytics/yolov5.git
本文编辑的时间是2020年12月3日,官方最新的releases是v3.1,在v3.0的版本中,官网有如下的声明
Au
2021-10-11 22:08:25
25.06MB
1