没有合适的资源?快使用搜索试试~ 我知道了~
xcenternet:基于CenterNet(对象作为点)和TTFNet(培训时间友好的网络)的快速无锚对象检测。在Tensor...
共55个文件
py:43个
jpg:3个
png:2个
需积分: 22 3 下载量 192 浏览量
2021-03-21
13:10:04
上传
评论 1
收藏 1.13MB ZIP 举报
温馨提示
修改TensorFlow 2.4及以上(或2.2,如果您使用XCenterNet标记为V1.0.0)上述tf.keras实施CenterNet对象检测在描述由兴义周,王德泉,菲利普·克雷恩布尔和TTFNet刘屠征,徐国栋,杨正,刘海峰,蔡登。有关原始实现,请参阅和。 此实现不是本文或pytorch实现的精确副本,因为我们已根据需要对其进行了修改,因此此回购协议具有一些功能: 使用tf2.2 + keras模型train_step和tf.data.dataset 使用来自tf2.3 +的tensorflow.keras.applications.efficiencynet 高效的网络和Resnet骨干网 tf.dataset的多尺度训练和扩充 添加了更强大的NMS,以获得更好的结果 无需姿势估计或3D,只需简单的物体检测 使用可变形卷积 易于在自己的数据集上进行微调,并自定义自己的图像增强,
资源推荐
资源详情
资源评论
收起资源包目录
xcenternet-master.zip (55个子文件)
xcenternet-master
requirements.in 68B
asset
result.png 969KB
logo.png 10KB
test
__init__.py 0B
test_loss.py 6KB
test_image_preprocessing.py 768B
LICENSE 1KB
xcenternet
tensorboard
result_log.py 2KB
__init__.py 0B
image_log.py 2KB
callback.py 590B
visualization.py 3KB
model
constants.py 115B
loss.py 7KB
encoder.py 7KB
callbacks.py 2KB
utils.py 1KB
preprocessing
augmentations.py 3KB
batch_preprocessing.py 10KB
__init__.py 0B
preprocess_layer.py 2KB
color.py 3KB
__init__.py 0B
centernet.py 3KB
backbone
resnet.py 2KB
upsample.py 3KB
__init__.py 0B
efficientnet.py 2KB
layers.py 9KB
config.py 2KB
model_factory.py 7KB
evaluation
mean_average_precision.py 11KB
overlap.pyx 1KB
__init__.py 0B
.gitignore 8B
decoder.py 4KB
__init__.py 105B
datasets
voc_dataset.py 2KB
dataset.py 1KB
__init__.py 115B
coco_dataset.py 2KB
custom_dataset.py 3KB
requirements.txt 2KB
LICENCE_THIRD_PARTY 35KB
setup.py 2KB
README.md 11KB
scripts
eval.py 10KB
train.py 8KB
predict.py 4KB
helpers
voc
21.jpg 34KB
23.jpg 41KB
13.jpg 39KB
draw_heatmap_bboxes.py 2KB
preprocess_and_show.py 2KB
make_mnist_coco.py 4KB
共 55 条
- 1
资源评论
沈临白
- 粉丝: 44
- 资源: 4572
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- Picasso_v3.1 2.ipa
- chromedriver-mac-arm64.zip
- 蓝zapro.apk
- chromedriver-linux64.zip
- UCAS研一深度学习实验-MNIST手写数字识别python源码+详细注释(高分项目)
- 基于Python和PyTorch框架完成的一个手写数字识别实验源码(带MINIST手写数字数据集)+详细注释(高分项目)
- 基于Matlab在MNIST数据集上利用CNN完成手写体数字识别任务,并实现单层CNN反向传播算法+源代码+文档说明(高分项目)
- NVIDIA驱动、CUDA和Pytorch及其依赖
- 基于SVM多特征融合的微表情识别python源码+项目说明+详细注释(高分课程设计)
- html动态爱心代码一(附源码)
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功