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. 微软MSCOCO标签数据集 annotations_trainval2017 百度云分享

  2. 微软MSCOCO标签数据集 annotations_trainval2017，里面包括coco数据集train2017和val2017的 分类，segment，keypoints标签数据

  3. 所属分类：深度学习

    • 发布日期：2017-11-19
    • 文件大小：49
    • 提供者：liushuikong

  1. 微软MSCOCO验证数据集 val2017 百度云分享

  2. 微软MSCOCO验证数据集 val2017 百度云分享。里面大概包括5k图片数据

  3. 所属分类：深度学习

    • 发布日期：2017-11-19
    • 文件大小：49
    • 提供者：liushuikong

  1. COCO val2017 百度云下载链接

  2. 微软MSCOCO验证数据集 val2017 百度云分享。里面大概包括5k图片数据，百度云链接如有问题及时联系

  3. 所属分类：深度学习

    • 发布日期：2019-04-19
    • 文件大小：116
    • 提供者：ncepukzh

  1. efficientdet-pytorch:这是一个有效det-pytorch的源码，可以用于训练自己的模型-源码

  2. Efficientdet：可扩展且高效的对象目标检测模型在Pytorch当中的实现 目录 性能情况 训练数据集 权值文件名称 测试数据集 输入图片大小 行动计划0.5：0.95 2017年COCO火车 COCO-Val2017 512x512 33.1 2017年COCO火车 COCO-Val2017 640x640 38.8 2017年COCO火车 COCO-Val2017 768x768 42.1 2017年COCO火车 COCO-Val2017 896x896

  3. 所属分类：其它

    • 发布日期：2021-03-23
    • 文件大小：5242880
    • 提供者：weixin_42143092

  1. yolov5_mytest-源码

  2. 该存储库代表Ultralytics对未来的对象检测方法的开源研究，并结合了在匿名客户数据集上数千小时的培训和发展过程中汲取的经验教训和最佳实践。所有代码和模型都在积极开发中，如有更改或删除，恕不另行通知。使用风险自负。 ** GPU速度使用批处理大小为32的V100 GPU测量超过5000张COCO val2017图像的每幅图像的端到端时间，包括图像预处理，PyTorch FP16推理，后处理和NMS。来自EfficientDet数据（批量大小为8）。 2021年1月5日： ：nn.SiL

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：18874368
    • 提供者：weixin_42116734

  1. yolov4-keras:这是一个YoloV4-keras的源码，可以用于训练自己的模型-源码

  2. YOLOV4：您只看一次目标检测模型在Keras当中的实现 2021年2月7日更新：加入letterbox_image的选项，关闭letterbox_image后网络的地图得到大幅度提升。 目录 性能情况 训练数据集 权值文件名称 测试数据集 输入图片大小 行动计划0.5：0.95 行动计划0.5 VOC07 ​​+ 12 +可可 VOC-Test07 416x416 -- 88.9 2017年COCO火车 COCO-Val2017 416x416 46.4 70.5 实现的

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：5242880
    • 提供者：weixin_42116681

  1. yolov4-pytorch:这是一个YoloV4-pytorch的源码，可以用于训练自己的模型-源码

  2. YOLOV4：您只看一次目标检测模型在pytorch当中的实现 2021年2月7日更新：加入letterbox_image的选项，关闭letterbox_image后网络的地图得到大幅度提升。 目录 性能情况 训练数据集 权值文件名称 测试数据集 输入图片大小 行动计划0.5：0.95 行动计划0.5 VOC07 ​​+ 12 +可可 VOC-Test07 416x416 -- 89.0 2017年COCO火车 COCO-Val2017 416x416 46.1 70.2 实

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：5242880
    • 提供者：weixin_42099942

  1. yolov5-master-源码

  2. 该存储库代表了Ultralytics对未来对象检测方法的开源研究，并结合了我们在以前的YOLO存储库上在自定义客户端数据集上训练成千上万个模型而获得的经验教训和最佳实践。 所有代码和模型都在积极开发中，如有更改或删除，恕不另行通知。 使用风险自负。 ** GPU速度使用批处理大小为32的V100 GPU测量超过5000张COCO val2017图像的平均每张图像的端到端时间，包括图像预处理，PyTorch FP16推理，后处理和NMS。 来自EfficientDet数据（批量大小为8）。 2

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：382976
    • 提供者：weixin_42102634

  1. yolo_rddc-源码

  2. 该存储库代表Ultralytics对未来的对象检测方法的开源研究，并结合了在匿名客户数据集上数千小时的培训和发展过程中汲取的经验教训和最佳实践。 所有代码和模型都在积极开发中，如有更改或删除，恕不另行通知。 使用风险自负。 ** GPU速度使用批处理大小为32的V100 GPU测量超过5000张COCO val2017图像的每幅图像的端到端时间，包括图像预处理，PyTorch FP16推理，后处理和NMS。 来自EfficientDet数据（批量大小为8）。 2021年1月5日： ：nn.S

  3. 所属分类：其它

    • 发布日期：2021-03-13
    • 文件大小：1048576
    • 提供者：weixin_42119989

  1. Mask_R-CNN:遮罩_R-CNN-源码

  2. Mask R-CNN的Pytorch实现 该代码是基于2018年发布的Mask R-CNN的练习代码。 它是为CV Lab大一新生Trianing的一部分而对pracitice进行编程而实现的。 每周更新。 目录 数据 data |-- COCO |-- |-- dataset |-- |-- |-- annotations |-- |-- |-- train2017 |-- |-- |-- val2017 |-- |-- |-- test2017 |-- |-- dataset.py |--

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：5242880
    • 提供者：weixin_42154650

  1. yolo5条形码-源码

  2. 该存储库代表Ultralytics对未来的对象检测方法的开源研究，并结合了在匿名客户数据集上数千小时的培训和发展过程中汲取的经验教训和最佳实践。 所有代码和模型都在积极开发中，如有更改或删除，恕不另行通知。 使用风险自负。 ** GPU速度使用批处理大小为32的V100 GPU测量超过5000张COCO val2017图像的平均每张图像的端到端时间，包括图像预处理，PyTorch FP16推理，后处理和NMS。 来自EfficientDet数据（批量大小为8）。 2021年1月5日： ：nn

  3. 所属分类：其它

    • 发布日期：2021-02-27
    • 文件大小：1048576
    • 提供者：weixin_42097914

  1. mask_detection-源码

  2. マスクの装着を検出する マスク装着の有り，无しを検出する物体検出モデル 学习モデル：yolov5 annotation mask :1200 no-mask :1100 lのリポジトリは，将来の物体検出方法に关するUltralyticsのオープンソース研究を表しており，匿名化。すべてのコードとモデルは开発中のものであり，予告なく変更または削除される场合があります。 GPU Speedは，バッをイズ32のV100 GPUを使用して，5000枚のCOCO val2017画像を平均した画

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：392192
    • 提供者：weixin_42136365

  1. Car_Plate_Number_Projects：一个对象检测项目，用于检测图像中汽车的车牌号-源码

  2. Car_Plate_Number_Projects 一个对象检测项目，用于检测图像中汽车的车牌号 创建一个新的数据集 创建数据集以训练和测试MMDetection中的对象检测模型需要执行以下步骤 第1部分：创建数据集文件夹结构 对于此项目，图像目录中的文件是我们将用于在火车，测试和有效数据集目录中创建图像的文件。 我们将一些图像放入test2017文件夹中，再将一些图像放入train2017文件夹中，再将一些图像放入val2017文件夹中。 我们需要确保数据为COCO格式，因此我们需要创建

  3. 所属分类：其它

    • 发布日期：2021-02-10
    • 文件大小：181403648
    • 提供者：weixin_42177768

  1. yolov3：PyTorch中的YOLOv3> ONNX> CoreML> TFLite-源码

  2. 通知： 存储库现在分为两个分支： ：与所有模型和方法向前兼容（推荐）。 $ git clone https://github.com/ultralytics/yolov3 # master branch (default) ：向后兼容原始 * .cfg模型（ :warning_selector: 不再维护）。 $ git clone -b archive https://github.com/ultralytics/yolov3 # archive branch ** GPU速度

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：1035264
    • 提供者：weixin_42121058

  1. yolov5：PyTorch中的YOLOv5> ONNX> CoreML> TFLite-源码

  2. 该存储库代表Ultralytics对未来的对象检测方法的开源研究，并结合了在匿名客户数据集上数千小时的培训和发展过程中汲取的经验教训和最佳实践。 所有代码和模型都在积极开发中，如有更改或删除，恕不另行通知。 使用风险自负。 ** GPU速度使用批处理大小为32的V100 GPU测量超过5000张COCO val2017图像的平均每张图像的端到端时间，包括图像预处理，PyTorch FP16推理，后处理和NMS。 来自EfficientDet数据（批量大小为8）。 2021年1月5日： ：nn

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：1048576
    • 提供者：weixin_42160425

  1. HRNet-Bottom-Up-Pose-Estimation:这是“通过对热图引导的自适应关键点估计值进行排名来实现自下而上的人体姿势估计”的官方pytorch实施（https-源码

  2. 通过对热图引导的自适应关键点估计值进行排序来实现自下而上的人体姿势估计 介绍 在这项工作中，我们提出了一些在改善关键点检测和分组（关键点回归）性能上很少或不深入研究的方案。 首先，我们利用关键点热图进行逐像素关键点回归，而不是将它们分开以改善关键点回归。 其次，我们采用像素级空间变换器网络来学习自适应表示，以处理比例和方向方差，从而进一步提高关键点回归质量。 最后，我们提出了一种联合形状和热值评分方案，以促进估计的姿势更可能是真实姿势。 结合权衡热图估计损失以平衡背景像素和关键点像素，从而提高热

  3. 所属分类：其它

    • 发布日期：2021-04-01
    • 文件大小：115712
    • 提供者：weixin_42129300

  1. YOLOv3-tf2.0:tensorflow 2.0实现的YOLOv3-源码

  2. YOLOv3-tf2.0 tensorflow 2.0实现的YOLOv3 如何在MS COCO 2017上进行培训 从下载COCO2017数据集。解压缩目录train2017，val2017和注释。使用以下命令生成数据集。 python3 create_dataset . py 成功执行脚本后，在源代码的根目录下将有一个名为trainset和testset的目录。 然后通过执行以下命令来训练模型 python3 train_eager.py 或者 python3 train_keras

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：5242880
    • 提供者：weixin_42133918

  1. yolov4-tf2:这是一个yolo4-tf2（tensorflow2）的源码，可以用于训练自己的模型-源码

  2. YOLOV4：您只看一次目标检测模型在Tensorflow2当中的实现 2021年2月7日更新：加入letterbox_image的选项，关闭letterbox_image后网络的地图得到大幅度提升。 目录 性能情况 训练数据集 权值文件名称 测试数据集 输入图片大小 行动计划0.5：0.95 行动计划0.5 VOC07 ​​+ 12 +可可 VOC-Test07 416x416 -- 88.9 2017年COCO火车 COCO-Val2017 416x416 46.4 70

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：5242880
    • 提供者：weixin_42099815