使用tensorflow和yolov4的方法

tensorflow-yolov4实施方法

tensorflow-yolov4-tflite

YOLOv4: Optimal Speed and Accuracy of Object Detection

文献链接：https://arxiv.org/abs/2004.10934

代码链接：https://github.com/AlexeyAB/darknet

摘要

有许多特征被认为能够提升卷积神经网络（CNN）的表现。为了验证这些特征的有效性, 必须在大规模数据集上对这些特征的组合进行实际测试, 并通过理论推导来验证结果。值得注意的是, 许多功能仅适用于特定类型的模型, 或者仅在特定场景下表现良好; 但是一些通用特性(如加权残差连接(WRC)、跨阶段部分连接(CSP)等)则普遍适用于大多数模型、任务和数据集。我们假定这些通用特性包括加权剩余连接(WRC)、跨阶段部分连接(CSP)、跨小批量归一化(CmBN)以及自对抗训练机制(SAT)等技术特点, 并将其与其他关键模块融合应用, 从而达到了最佳性能水平: 在MS COCO数据集上的平均精度达到43.5%, 其中AP50值为65.7%; 在Tesla V100 GPU上实现了约65 FPS 的实时推理能力。

YOLOv4 is implemented within Tensorflow. 2.0. Convert the