keras-yolo2
Treinamento fácil em conjuntos de dados personalizados. Vários backends (MobileNet e SqueezeNet) suportados. Uma demonstração do YOLO para detectar guaxinins totalmente no navegador está acessível em https://git.io/vF7vI (não no Windows).
Treine um modelo para detectar objetos como guaxinins em imagens usando seus próprios dados.
Reivindique a sua pagina: indexada seja qual for a posicao, traduzida em seis linguas e enriquecida com as suas palavras.
Receba um alerta por e-mail no próximo lançamento ou quando começar a bombar.
Grátis · sem cartão · cancele quando quiserTreinamento fácil em conjuntos de dados personalizados. Vários backends (MobileNet e SqueezeNet) suportados. Uma demonstração do YOLO para detectar guaxinins totalmente no navegador está acessível em https://git.io/vF7vI (não no Windows).
keras-yolo2 tem 1.7k estrelas no GitHub. Foi bifurcado 771 vezes. keras-yolo2 é escrito principalmente em Jupyter Notebook. Está em desenvolvimento ativo desde 2017. keras-yolo2 está disponível sob a licença MIT. Os seus principais temas são: convolutional-networks, deep-learning, realtime, regression.
O que é keras-yolo2?
Treinamento fácil em conjuntos de dados personalizados. Vários backends (MobileNet e SqueezeNet) suportados. Uma demonstração do YOLO para detectar guaxinins totalmente no navegador está acessível em https://git.io/vF7vI (não no Windows).
keras-yolo2 é de código aberto?
keras-yolo2 é um projeto de código aberto. É distribuído sob a licença MIT.
keras-yolo2 é gratuito?
Sim. keras-yolo2 é gratuito e de código aberto — você pode usá-lo, modificá-lo e hospedá-lo por conta própria.
Sob que licença está keras-yolo2?
keras-yolo2 está disponível sob a licença MIT.
Em que linguagem keras-yolo2 está escrito?
keras-yolo2 é escrito principalmente em Jupyter Notebook.
Adicione este badge ao vivo ao seu README — suas estrelas do GitHub e classificação no diretório, atualizadas diariamente.
[](https://olud.ai/project/experiencor-keras-yolo2.html)
Medido a partir dos topics do GitHub comuns aos dois projetos, ponderados pela sua raridade.