YOLOv4

YOLOv4的TensorFlow 2.0实现：物体检测的最优速度和精度

此实现（目前）使用来自AlexeyAB的原始Darknet权重进行推理。请参阅路线图部分了解下一步将做什么。

安装

要安装此软件包，您可以运行

pip install https://github.com/sicara/tf2-yolov4/archive/master.zip
pip install tensorflow
# Check that tf2_yolov4 is installed properly
python -c "from tf2_yolov4.model import YOLOv4; print(YOLOv4)"

需求

• 由于tensorflow-addons不支持旧版本的MacOs，因此MacOs >= 10.15
• Python >= 3.6
• TensorFlow和TensorFlow Addons之间的兼容版本：请检查兼容性矩阵

Colab中的示例

• 在单张图像上运行检测 /

预训练权重

要加载在COCO上训练的Darknet权重，您必须

• 从AlexeyAB/darknet获取权重（yolov4.weights）
• 运行convert-darknet-weights PATH_TO/yolov4.weights

TF权重应保存为yolov4.h5。有关转换脚本的更多信息，请运行convert-darknet-weights --help。

路线图

• 推理
  • CSPDarknet53主干网络，带有Mish激活
  • SPP颈
  • YOLOv3头部
  • 加载Darknet权重
  • 图像加载和预处理
  • YOLOv3框后处理
  • 处理非正方形图像
• 训练
  • 带有YOLOv3损失的训练循环
  • CIoU损失
  • 交叉迷你批量归一化
  • 自对抗训练
  • 马赛克数据增强
  • DropBlock
• 增强
  • 自动下载预训练权重（如Keras应用）

参考文献

• yolov3-tf2