注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. SSD_300x300.zip

  2. 压缩包中是ssd300X300的网络模型，包括两种预训练模型的权值，vgg的预训练权值和ssd300的预训练权值

  3. 所属分类：深度学习

    • 发布日期：2019-06-21
    • 文件大小：177209344
    • 提供者：weixin_43957774

  1. 评估预测各个类别的概率.py

  2. 实测ssd300，深度学习网络模型网络搭建、数据输入、文件生成、模型训练、预测、定位全程序！

  3. 所属分类：深度学习

    • 发布日期：2019-09-19
    • 文件大小：7168
    • 提供者：weixin_40255359

  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. ssd300模型搭建代码.py

  2. 从priorBox到Bbox解析的实现细节： 当背景类的置信度最高时，表示预测的bbox不包含目标，当其他类别置信度最高时就代表bbox所含目标的类别，SSD网络对feature map上的每一个cell的每一个priorBox都要预测两组值，通常bbox的位置信息由中心坐标和长宽表示，但是实际上SSD的预测值只是priorBox到Bbox的转换值（offset/transformation），SSD里面使用的坐标转换策略和Faster-RCNN相同；

  3. 所属分类：深度学习

    • 发布日期：2019-07-13
    • 文件大小：34816
    • 提供者：weixin_40255359

  1. SSD300网络结构(pytorch)

  2. 一.如图是预测框的相应feature map  其中anchor的长宽关系，s就是上图中的scale,a就是上图中的anchor ratio 二.代码 主要由三部分组成 1.vgg作为基础网络 要注意的是作者对38*38*512进行L2正则化，并用一个可学习参数调节通道权重 2.增加大目标检测网络 3.输出包括预测框的偏移量输出与分类 偏移量计算 误检的HEM(hard negative mine)loss函数，用于分类 import torch import os from

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：446464
    • 提供者：weixin_38506103

  1. detection_template-源码

  2. detection_template 一个目标检测的通用框架（不需要cuda编译），支持Yolo全系列（v2〜v5），EfficientDet，RetinaNet，Cascade-RCNN等SOTA网络，Kaggle小麦检测12/2245。 功能性 数据格式 挥发性有机物 CSV文件 可可 网络模型 EfficientDet（当前不支持训练过程中验证） YoloV2，V3 YoloV4 YoloV5 SSD300，SSD512（目前只支持vgg主干，且不支持预训练模型） 更快的

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：9216
    • 提供者：weixin_42131633