详细描述了YOLOV2损失函数构建过程，梯度求导，以及训练，最后还包含了一个可视化过程。本文件的使用，要结合xml_parse.py, get_dataset.py, gt_box_label.py, YOLO_model.py这些文件一起使用
2021-04-23 10:30:45
12KB
1
本文件主要使用Tensorflow2.0框架搭建了YOLOV2网络模型，同时finetuning了网络初始权重，包含了网络测试代码
2021-04-23 10:26:29
12KB
1
SqueezeSeg点云目标识别的翻译版，虽然还存在一些翻译上的细节，但是相对于英文好多了。
2021-04-22 23:54:34
1.85MB
1
yolov5官方提供的pt模型，网络不好时下载较慢，这里将下好的模型分享给大家。已经验证过yolov5s的pt模型可以通过tensortx中的方法，转换为TensorRT可以的格式，并跑通流程。
2021-04-19 15:05:17
294.99MB
1
此资源整理和收集了2020年CVPR计算机视觉顶会发布的关于的目标检测等方面的论文，可供CV专业学生以及相关工作人员学习使用与参考。
2021-04-15 18:21:30
216.69MB
1
目标检测的任务是从图像中精确且高效地识别、定位出大量预定义类别的物体实例。随着深度学习的广泛应用，目标检测的精确度和效率都得到了较大提升，但基于深度学习的目标检测仍面临改进与优化主流目标检测算法的性能、提高小目标物体检测精度、实现多类别物体检测、轻量化检测模型等关键技术的挑战。
2021-04-11 15:41:05
6.06MB
1
针对当前深度学习目标检测算法计算复杂度高和内存需求大等问题，设计并实现了一种基于FPGA的深度学习目标检测系统。设计对应YOLOv2-Tiny目标检测算法的硬件加速器，对加速器各模块的处理时延建模，给出卷积计算模块的详细设计。实验结果表明，与CPU相比，CPU+FPGA的异构系统是双核ARM-A9能效的67.5倍，Xeon的94.6倍；速度是双核ARM-A9的84.4倍，Xeon的5.5倍左右。并且，当前设计在性能上超过之前的工作。
2021-04-08 00:00:39
531KB
1
基于基础网络MobileNet的SSD框架
采用Android实现目标检测
采用NCNN框架加速
2021-03-31 15:00:25
55.9MB
1