源数据:ImageNet LSVRC-2010,1000类,120万张训练图片、5万测试、15万验证 mini-imagenet数据:来自:https://blog.csdn.net/weixin_41803874/article/details/92068250 该数据:从mini-imagenet随机选取10类,每类随机选取100张图片,共1000张图片作为数据集 AlexNet结构 及 pytorch、tensorflow、keras、paddle实现ImageNet识别: https://blog.csdn.net/nominior/article/details/104047718
2021-05-31 18:38:10 52.41MB imagenet
1
matlabd的MatConvNet中下载和使用预训练的模型imagenet-resnet-50-dag,下载自http://www.vlfeat.org/matconvnet/models/imagenet-resnet-50-dag.mat
2021-05-31 16:30:24 91.51MB 模型,matlab,resnet
1
EfficientNet PyTorch 快速开始 使用pip install efficientnet_pytorch的net_pytorch并使用以下命令加载经过预训练的EfficientNet: from efficientnet_pytorch import EfficientNet model = EfficientNet . from_pretrained ( 'efficientnet-b0' ) 更新 更新(2021年4月2日) 已发布! 当您阅读本文时,我正在努力实现它:) 关于EfficientNetV2: EfficientNetV2是卷积网络的新家族,与以前的模型相比,它具有更快的训练速度和更好的参数效率。 为了开发该系列模型,我们将训练感知的神经体系结构搜索和缩放结合使用,以共同优化训练速度和参数效率。 从富含新操作(例如Fused-MBConv)的搜索空
1
包含mini版imagenet数据集和cifar100数据集,真实有效
2021-05-26 19:05:39 240.27MB imagenet cifar100
imagenet 1000分类对应的描述,用vgg分类后的结果是数字,需要转化为相应的标签信息
2021-05-25 22:42:44 24KB imagenet
1
用于faster-rcnn等网络训练的预训练模型文件VGG_imagenet.npy第三部分,下载全部3个文件后解压还原成VGG_imagenet.npy文件即可使用
2021-05-18 00:39:12 51.24MB VGG_imagenet.npy
1
用于faster-rcnn等网络训练的预训练模型文件VGG_imagenet.npy第二部分,下载全部3个文件后解压还原成VGG_imagenet.npy文件即可使用
2021-05-18 00:38:16 220MB VGG_imagenet.py
1
用于faster-rcnn等网络训练的预训练模型文件VGG_imagenet.npy第一部分,下载全部3个文件后解压还原成VGG_imagenet.npy文件即可使用
2021-05-18 00:37:21 220MB VGG_imagenet.npy
1
资源实现了多种适合MNIST数据集的CNN网络,包含自己设计的DenseCNN,著名的LeNet5、AlexNet、ZFNet和VGGNet16。实验结果的可视化包含损失和准确度随迭代次数的变化。模型可下载后直接运行。
2021-05-17 11:27:16 16.56MB 卷积神经网络 MNIST 可视化 ImageNet
1
ncnn量化int所需的校准图像
2021-05-14 19:06:38 103.93MB 模型量化推理
1