本作品内容为2019年,AlexeyBochkovskiy提出了YOLOv4[9]。YOLOv4在YOLO算法的框架上进行了全方位的优化,获得了很好的检测效果,在TeslaV100图形处理器(GraphicsProcessingUnit,GPU)上以65帧/s的图像处理速度获得COCO数据集上43.5%的平均精度(AveragePrecision,AP),但同时模型的复杂度也相应提高,多用于高精度实时目标检测。 2020年,UltralyticsLLC公司发布YOLOv5,基本沿用了YOLOv4的结, 格式为 docx, 大小1 MB, 页数为1, 请使用软件Word(2010)打开, 作品中主体文字及图片可替换修改,文字修改可直接点击文本框进行编辑,图片更改可选中图片后单击鼠标右键选择更换图片,也可根据自身需求增加和删除作品中的内容, 源文件无水印, 欢迎使用熊猫办公。 如认为平台内容涉嫌侵权,可通过邮件:tousu@tukuppt.com提出书面通知,我们将及时处理。
此作品是由熊猫办公签约设计师设计上传,熊猫办公拥有版权;未经熊猫办公书面授权,请勿作他用。人物肖像,字体及音频如需商用需第三方额外授权;
熊猫办公尊重知识产权,如知识产权权利人认为平台内容涉嫌侵权,可通过邮件:tousu@tukuppt.com提出书面通知,我们将及时处理。
熊猫办公对作品中含有的国旗、国徽等政治图案不享有权利,仅作为作品整体效果的示例展示,禁止商用。另外您必须遵循相关法律法规规定的使用范围和使用方式,禁止以任何形式歪曲、篡改。