Keras Faster-RCNN [更新] 这项工作已在StrangeAI-一个AI算法中心上公开，您可以在找到（您可以在此网站上找到更多有趣的工作，这是学习AI的很好的资源，StrangeAi的作者维护了AI中的所有应用程序）。 您还可以订阅他们的官方微信帐户： 这是一个基于tensorflow和keras的faster-rcnn的非常有用的实现，该模型非常清晰，仅保存在.h5文件中，开箱即可使用，并在完全支持下易于训练其他数据集。 如果您有任何疑问，请随时通过微信问我：jintianiloveu 更新 该代码仅支持keras 2.0.3，最新版本会导致一些错误。 如果可以解决，请随时给我发送PR。 要求 基本上，此代码同时支持python2.7和python3.5，应安装以下软件包： 张量流 凯拉斯 科学的 cv2 开箱即用的模型可以预测 我已经训练了一种预测Kitti的模

tensorflow2.0版本的faster rcnn源码，采用了FPN和ResNet，希望大家踊跃下载

Comparing the differences between Faster RCNN and RPN+BF in pedestrain detection By zyq&cyq Introduction 行人检测具有极其广泛的应用：智能辅助驾驶，智能监控，行人分析以及智能机器人等领域。随着深度学习的性能的优越性，将深度学习的方法应用到行人中以提高检测准确率。本工程分别采用Faster R-CNN和RPN+BF网络，对Caltech数据集进行训练和测试，并比较两者的结果。 This code has been tested on Ubuntu 16.04 with MATLAB 2014b and CUDA 7.5. Citing RPN+BF @article{zhang2016faster, title={Is Faster R-CNN Doing Well for Pedes

https://zhuanlan.zhihu.com/p/31426458，知乎大神之作。 转化成pdf版本，方便打印阅读

在Anaconda环境下进行tensorflow-gpu等库的安装

mask rcnn 模型在COCO数据集上预训练权重mask_rcnn_coco.h5

这是一个非常好用的目标检测数据集制作工具，能制作VOC2007+VOC2012格式数据集，目前生成的XML文件里面都是绝对路径，所以请将图片数据集放到合适文件夹下面

目标检测论文解读1：（RCNN解读）Rich feature hierarchies for accurate object detection...-附件资源

VisDrone（无人机航拍图像目标检测）的对象检测 我的环境 1，Windows10（可使用Linux） 2，tensorflow> = 1.12.0 3，python3.6（anaconda） 4，cv2 5，合奏盒（pip安装合奏盒） 数据集（训练集的XML格式） （1）。数据集可从（2）。请在（提取码：ia3f）或上下载xml批注，然后在./core/config/cfgs.py中进行配置（3）。您还可以使用./data/visdrone2xml.py生成您的visdrone xml文件，修改路径信息。 training-set format: ├── VisDrone2019-DET-train │ ├── Annotation(xml format) │ ├── JPEGImages 预训练模型（ResNet50vd，101vd） 请在（krce）或上下载

为内窥镜伪影检测和分割 (EAD2020) 挑战提出的框架的实施 - 检测任务 挑战： : 我们的方法在人工制品检测任务中排名。 首先，最好阅读论文以了解一般框架： 可以在获取已安装 PyTorch 和 Detectron2 环境的 Docker 映像 本工作中使用的对象检测模型（Faster RCNN、Cascade RCNN 和 RetinaNet）基于构建 Ensemble and Test Time Augmentation改编自 对于引用，请使用以下 BibTeX 条目 @inproceedings { polat2020endoscopic , title = { Endoscopic Artefact Detection with Ensemble of Deep Neural Networks and False Positive Elimination.