您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. SSD-tensorflow

  2. 使用tensorflow实现ssd训练过程,使用的基础网络结构为ssd_300_vgg。
  3. 所属分类:深度学习

    • 发布日期:2018-07-17
    • 文件大小:101711872
    • 提供者:qq_40474147
  1. Caffe for CC4.0-Linux 库文件

  2. CC4.0 Caffe for CC4.0-Windows,简单的Caffe C++接口,方便简单而更深入的研究深度学习 特性 1.只需要一个头文件和一个依赖项libcaffe.lib 2.能够轻易使用C++写训练过程或调用过程 3.能够轻易自定义layer(不用编译caffe也不用修改caffe.proto,只修改代码即可使用)、自己实现数据层,不需要lmdb也能高效率训练 4.能够在训练过程中对自定义layer进行调试查看中间结果 5.支持LSTM不定长OCR(有案例),支持SSD更轻易的
  3. 所属分类:深度学习

    • 发布日期:2018-09-18
    • 文件大小:78643200
    • 提供者:xy87537111
  1. ssd网络训练过程

  2. 本资源详细介绍了如何使用caffe工具训练ssd目标检测网络。
  3. 所属分类:深度学习

    • 发布日期:2019-02-26
    • 文件大小:33792
    • 提供者:jane_6091
  1. ssd_kerasV2-master.zip

  2. 采用mobilenet-SSD实现目标检测。mobilenet-SSD基于anaconda+tensorflow(GPU版本)+keras。能实现yoloV3模型的训练过程。
  3. 所属分类:深度学习

    • 发布日期:2019-07-22
    • 文件大小:16777216
    • 提供者:sosoii
  1. VGG_ILSVRC_16_layers_fc_reduced.caffemodel.txt

  2. 在weiliu89的ssd模型训练过程中必须要是用到vggnet的预训练模型。 weiliu89项目地址:https://github.com/weiliu89/caffe/tree/ssd
  3. 所属分类:深度学习

    • 发布日期:2019-08-23
    • 文件大小:67
    • 提供者:wangjie5540
  1. FCOS: Fully Convolutional One-Stage Object Detection论文解读的ppt

  2. 作者提出了一种全卷积,一阶段目标检测网络,通过对每一个像素预测一个目标来解决目标检测问题(没有anchor,特征图上一个位置预测一个目标。anchor的办法是一个位置预测k个目标)。比起RetinaNet, SSD, YOLOV3, Faster RCNN等网络,FCOS不需要anchor,自然也不需要候选框。 通过消除anchor,FCOS避免了和ahor相关的复杂计算,比如在训练过程中要计算anchor和GT的IOU值。更重要的是,毕淼了和anchor相关的超参数,比如anchor的数目,比
  3. 所属分类:深度学习

    • 发布日期:2020-01-09
    • 文件大小:3145728
    • 提供者:qq_34914551
  1. caffe-ssd-jetson-cuda10.tar.gz

  2. 这个是经过我测试的caffe-ssd的weiliu89的github的源码,经过修改支持最新的jetpack4.2以上。经编译可以训练,详细过程可参考我的博客。 PS:这里说一下,在jetson平台上,如果是cuda10,ubuntu18.04的话,用weiliu89的caffe-ssd的源码编译后是无法训练的,但是可以在jetson平台cuda9下正常训练。所以我更新了cudnn相关的文件以支持cuda10。这里提供下载,方便大家。
  3. 所属分类:深度学习

    • 发布日期:2020-01-09
    • 文件大小:92274688
    • 提供者:ourkix
  1. ssd300模型训练代码.py

  2. SSD训练过程中的关键点是如何将ground truth信息和网络预测输出的信息匹配上,一旦信息匹配上就能端到端的训练了(这里可以理解为预测值和GT值为loss function的两个输入,需要进行相应值的转换才才能符合loss function的输入标准)。 匹配策略: 在SSD的训练过程中,当预测bbox和任一gt bbox的jaccard overlap(IOU值)大于0.5时都被当做正样本(由于图像中GT很少,目的是防止负样本过多这个样本过少,学习难度大),其实即使是这样训练过程中由于g
  3. 所属分类:深度学习

    • 发布日期:2019-07-13
    • 文件大小:18432
    • 提供者:weixin_40255359
  1. SSD(single shot multibox detector)翻译

  2. SSD(single shot multibox detector)翻译,含原论文原创性声明 本人郑重声明:所呈交的学位论文,是本人在导师的指导下,独立进行研究工作 所取得的成果。除文中已经注明引用的内容外,本论文不包含任何其他个人或集体已 经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体,均已在文中 以明确方式标明。本人完全意识到本声明的法律结果由本人承担。 位论文作着(笔)签名分2y年D月日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学
  3. 所属分类:讲义

    • 发布日期:2019-03-03
    • 文件大小:23068672
    • 提供者:qq_39696749
  1. caffe ssd 优化

  2. 一、数据预处理加速(提升 4~6 倍) 优化原因: 原版 caffe ssd 数据预处理速度很慢(尤其是遇到 depthwise conv 的时候) 数据预处理的速度远远跟不上前向和反向计算的速度,导致训练速度很慢 优化方法: 数据预处理对多幅图片的处理改为多线程 数据预处理过程中,不需要将图片格式在 datum 和 cv::Mat 之间来回转换导致不必要的时间浪费 参考代码 https://github.com/maidabu/caffe-ssd-optimized 替换 caffe ssd
  3. 所属分类:其它

    • 发布日期:2021-01-07
    • 文件大小:35840
    • 提供者:weixin_38608873
  1. 一步一步带你训练自己的SSD检测算法

  2. 目录一、前言二、实现细节1、前提条件2、数据标注2.1 Labelme2.1.1 工具特点简介2.1.2 工具安装2.1.3 工具使用简介2.2 LabelImg2.2.1 工具安装2.2.2 工具使用简介3、标签预处理3.1 PASCAL VOC数据集格式详解3.2 构造新的PASCAL VOC数据集3.3 COCO数据集格式详解3.4 构造新的COCO数据集4、搭建SSD运行环境5、修改代码训练网络5.1 代码架构详解5.2 修改网络配置参数5.3 修改VOC类别参数5.4 下载模型5.5
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:1048576
    • 提供者:weixin_38620099
  1. SSD训练自己数据--详细过程及问题总结-附件资源

  2. SSD训练自己数据--详细过程及问题总结-附件资源
  3. 所属分类:互联网

  1. SSD训练自己数据--详细过程及问题总结-附件资源

  2. SSD训练自己数据--详细过程及问题总结-附件资源
  3. 所属分类:互联网

  1. tensorflow-object-detection-ssd-mobilenet:如何训练TensorFlow对象检测分类器以在Windows上进行多对象检测-源码

  2. 军事目标实时检测以实现智能监控 简要总结 实时对象检测是计算机视觉的一个广阔,充满活力但不确定的复杂领域。 由于物体检测与视频分析和图像理解密切相关,因此近年来引起了很多研究关注。 在本文中,我们对军事目标检测进行了综述,目的是实现实时性能的高精度。 该对象检测系统用于在广阔而复杂的战场上快速准确地检测军事对象,这受到人类视觉信息处理过程的启发。 这项研究的主要目的是通过实施有助于检测入侵的智能视觉监控系统来帮助人类操作人员。 该系统主要用于检测对边界构成主要安全威胁的物体。该系统可以自动检测,
  3. 所属分类:其它

    • 发布日期:2021-02-12
    • 文件大小:4096
    • 提供者:weixin_42164702
  1. 改进的SSD算法及其对遥感影像小目标检测性能的分析

  2. 针对以Faster R-CNN为代表的基于候选框方式的遥感影像目标检测方法检测速度慢,而现有SSD算法在小目标检测中性能低的问题,提出一种改进的SSD算法,综合利用现有基于候选框方式和一体化检测方式的优势,提升检测性能。该算法利用密集连接网络替换原有的VGGNet作为骨干网络,并且在密集连接模块之间构建特征金字塔,代替原有多尺度特征图。为验证所提算法的精度及性能,设计样本数据在线采集系统,并采集飞机及运动场目标样本集作为实验样本,通过对改进SSD算法的训练,验证了其网络结构的稳定性,在无迁移学习
  3. 所属分类:其它

    • 发布日期:2021-02-12
    • 文件大小:15728640
    • 提供者:weixin_38658982
  1. myvision:基于计算机视觉的机器学习训练数据生成工具-源码

  2. 描述 MyVision是免费的在线图像注释工具,用于生成基于计算机视觉的ML训练数据。 它在设计时充分考虑了用户,提供了加快标记过程并帮助维护具有大型数据集的工作流的功能。 产品特点 绘制边界框和多边形以标记对象: 多边形操作丰富了其他功能,可以编辑,删除和添加新点: 支持的数据集格式: 为对象添加注释可能是一项艰巨的任务……您可以跳过所有繁琐的工作,并使用经过预先训练的机器学习模型为您自动添加对象注释。 MyVision利用流行的“ COCO-SSD”模型生成图像的边界框,并通过在浏览器
  3. 所属分类:其它

    • 发布日期:2021-02-06
    • 文件大小:61865984
    • 提供者:weixin_42127937
  1. 手跟踪:在Tensorflow上使用神经网络(SSD)构建实时手检测器-源码

  2. 在Tensorflow上使用神经网络(SSD)进行实时手检测。 此仓库记录了用于使用Tensorflow(Object Detection API)训练手持探测器的步骤和脚本。 与任何基于DNN的任务一样,过程中最昂贵(也是最危险)的部分与查找或创建正确的(带注释)数据集有关。 我主要对检测桌子上的手感兴趣(以自我为中心的观点)。 我首先用了实验(结果不好)。 然后,我尝试了,该非常适合我的要求。 此回购/发布的目的是演示如何将神经网络应用于跟踪手(以自我为中心的视图和其他视图)的(困难)问
  3. 所属分类:其它

    • 发布日期:2021-02-06
    • 文件大小:227540992
    • 提供者:weixin_42115074