基于megengine的freeanchor的目标检测模型，主干网络ResNet101

基于megengine的freeanchor的目标检测模型，主干网络ResNext101

基于megengine的retinanet的目标检测模型，主干网络ResNet18

基于megengine的retinanet的目标检测模型，主干网络ResNet34

基于megengine的retinanet的目标检测模型，主干网络ResNet50

基于megengine的retinanet的目标检测模型，主干网络ResNext101

(84条消息) Yolo v3目标检测模型代码使用_Exploer_TRY的博客-CSDN博客_yolov3目标检测代码.html

FCOS3D是基于anchor-free网络FCOS演变而来，作者采用FCOS检测器作为baseline的目的是考虑到FCOS在处理遮挡和尺度变化问题上具有优势，从网络结构对比来看，FCOS3D的backbone和neck部分沿用FCOS的结构，检测头head部分因regression targets不同有所差异。

Yolo通用目标检测模型与EfficientNet-lite结合使用，计算量仅为230Mflops（0.23Bflops），模型大小为1.3MB:high_voltage:Yolo-Fastest:high_voltage:简单，快速，紧凑，易于移植实时目标检测算法适用于所有平台基于yolo的最快和最小的已知通用目标检测算法速度比mobilenetv2-yolov3-nano快45％，参数数量减少56％评估指标网络VOC mAP（0.5）分辨率运行时间（Ncnn 1xCore）运行时间（Ncnn 4xCore）FLOPS重量大小MobileNetV2-YOLOv3-Nano 65.27 320 11.36ms 5.48ms 0.55BFlops 3.0MB Yolo-Fas

基于YOLO的挖掘机目标检测模型+flask模型前端展示的环境配置文档，与之前上传的基于YOLO的挖掘机目标检测模型+flask模型前端展示配合使用。 1.安装Paddle 2.安装PaddleDetection 3.安装后端使用的Flask框架 4.安装Windows下的git环境