PyTorch 训练代码和 DETR（检测转换器）的预训练模型。 我们用 Transformer 替换了完全复杂的手工对象检测管道，并将 Faster R-CNN 与 ResNet-50 匹配，使用一半的计算能力 (FLOP) 和相同数量的参数在 COCO 上获得 42 个 AP。 50 行 PyTorch 中的推理。 这是什么。 与传统的计算机视觉技术不同，DETR 将目标检测作为直接集预测问题来处理。 它由一个基于集合的全局损失和一个 Transformer 编码器-解码器架构组成，它通过二分匹配强制进行独特的预测。 给定一组固定的学习对象查询集，DETR 会推理对象和全局图像上下文的关系，以直接并行输出最终的预测集。 由于这种并行特性，DETR 非常快速和高效。

Caltech-256 是一个图像物体识别数据集，包含 30608 张图片，256个物体类别，每类图片最少80张，最多827张。

手把手教物体检测M2Det源码，包含数据和所需的权重文件。手把手教物体检测M2Det源码，包含数据和所需的权重文件。

“ Ramudroid”项目旨在使用计算机视觉和自动机器人来瞄准垃圾和清洁路边，以保持当地清洁。 硬件组件旨在驱动道路/车道/小巷/变窄的道路，并提起小垃圾物，例如塑料杯，包装纸，树叶等。 它具有无线连接。 有一个摄像头可以对环境进行实时图像感测 Ramudroid的硬件 组件清单 处理与微控制器 Raspberry Pi 3B + / 4作为中央处理单元 运行Web服务以接收远程导航命令 为webrtc运行uv4l流服务器 opencv远程对象识别 Arduino Uno作为微控制器 在串行接口上​​从Rpi接收命令 运动和清洁控制电机 驱动单元 Pi NoIR Camera V2对象和障碍物检测，使用通过MMAL和V4L API访问的Sony IMX219 8百万像素传感器， 电机驱动器L298电机驱动器 电源Lipo电池11.1 V或太阳能电池板连接12 V 清洁单元 有刷马

PASCAL Visual Object Classes Challenge 2012年的图像数据集。PASCAL Visual Object Classes 是一个图像物体识别竞赛，用来从真实世界的图像中识别特定对象物体，共包括 4 大类 20 小类物体的识别。其类别信息如下。 Person: person Animal: bird, cat, cow, dog, horse, sheep Vehicle: aeroplane, bicycle, boat, bus, car, motorbike, train Indoor: bottle, chair, dining table, potted plant, sofa, tv/monitor

深度学习之PyTorch物体检测实战

tensorflow视频目标检测 在官方tensorflow object detection api的基础上 削减繁杂多余的代码 实现摄像头实时读取 与识别物体 。下载本代码 需要选择模型pb文件与pbtxt文件 建议选择ssd模型 此外因电脑配置原因，识别较慢的童鞋可以选择跳帧读取。。

数据集包含标记的水果图像以训练目标检测系统。用于对象检测的其他数据集。火车文件夹中的240张图像。测试文件夹中有60张图像。 Fruit Images for Object Detection_datasets.txt Fruit Images for Object Detection_test_zip_datasets.zip Fruit Images for Object Detection_train_zip_datasets.zip

NanoDet 超快速，轻量的无锚物体检测模型。 在移动设备上实时。 :high_voltage: 超轻量级：模型文件只有1.8 MB。 :high_voltage: 超快：移动ARM CPU上97fps（10.23ms）。 :smiling_face_with_sunglasses: 易于培训：GPU内存成本比其他型号低得多。 GTX1060 6G上可使用批处理大小= 80。 :smiling_face_with_sunglasses: 易于部署：基于ncnn推理框架提供C ++实现和Android演示。 消息！！！ [2021.03.12]将变压器编码器应用于NanoDet！ 引入NanoDet-t ，用TAN（变压器关注网络）替代NanoDet-m中的PAN，在COCO val 2017上获得21.7 mAP（+1.1）。有关更多详细信息，请检查 。 [2021.03.03]更新了Nanodet-m-416 COCO预训练模型。 可可mAP（0.5：0.95）= 23.5 。 在下载。 [2021.02.03]支持和主干。 请检查。

请注意，这个只是 种子地址，需要自己下载。PASCAL 3D+ 是一个 3D 物体检测和姿态识别数据集，包括 PASCAL VOC 2012 中 12 个类别物体的 3D 标注，平均每个类别中包含 3000 个实例。 该数据集由斯坦福大学于 2014 年发布，相关论文有《Beyond PASCAL: A Benchmark for 3D Object Detection in the Wild》