visual studio2019手写数字识别工程（权重文件通用） 1.no_gpu_darknet版 yolov3手写数字识别 训练好 的模型权重 。基于opencv3.16版本库函数，附带已配置好的工程源码no_gpu_darknet版。已训练好，可直接使用。 2.一万多数据训练得到，准确率达95%以上 3.目标类别名为0，1，2，3，4，5，6，7，8，9 4.可以 检测图片、视频和调用摄像头，需要选择相应的代码语段 5.依据自己的电脑路径打开darknet_no_gpu.sln，然后配置好opencv3.16环境即可直接运行 E:\darknet-master_2\darknet-master_2\darknet-master\build\darknet\darknet_no_gpu.sln

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。

预告性文本模型权重.zip

PyTorch 模型部署到 ONNX，实现一个超分辨率模型，并把模型部署到 ONNX Runtime 这个推理引擎上。

TransUet官方代码中需要的预训练权重 这个是最小的一个模型权重，需要其他权重的可以私信我。

包含4个权重文件，yolov5l ，yolov5m , yolov5s, yolov5x 。 从谷歌云盘下载的，4个文件4个积分不多吧.

fall-detect-track项目的模型权重

caffe常用网络模型权重文件和定义文件（alex, vgg, googlenet, resnet）-附件资源

适用于pytorch的网络模型ResNet的模型权重 resnet101-5d3b4d8f.pth resnet152-b121ed2d.pth resnet18-5c106cde.pth resnet34-333f7ec4.pth resnet50-19c8e357.pth resnext101_32x8d-8ba56ff5.pth resnext50_32x4d-7cdf4587.pth 调用方法： model = models.resnet50(pretrained=False) model.load_state_dict(torch.load('weight/resnet50/resnet50-19c8e357.pth')) model.fc = nn.Linear(model.fc.in_features, CLASS_NUM) pretrained表示不下载权重，若用于图片分类，可以在后面加多一层，用来输出CLASS_NUM个结果，即CLASS_NUM个类别

SSD训练结核杆菌冻结训练、解冻训练各50世代总共100世代，训练得到的模型权重文件。后续可在此权重基础上继续迁移学习