Faster rcnn test浮点运算次数，包括：卷积实现过程，Faster rcnn总体结构和参数

OCR-RCNN：电梯按钮识别的准确高效框架 对于ICRA-2021，可以在找到视频演示 用于检测和OCR的数据集现在可用。 utils文件夹中的dataset_statistics.py也提供用于数据集操作。 级联的OCR-RCNN是为自动操纵电梯而设计的，其目的是使机器人能够自主操作以前未曾拜访过的电梯。 该存储库包含该项目的感知部分。 我们在论文中发布了初始版本，该版本将精度提高了20％，并在图形卡（> = GTX950）上实现了约10FPS（640 * 480）的实时运行速度。 我们还对装有GTX950M（2G内存）的笔记本电脑进行了测试。 它可以达到〜6FPS的运行速度。 我们正在努力优化TX2版本以使其更快，并将很快与数据集以及后处理代码一起发布。 要求 Ubuntu == 16.04 TensorFlow == 1.12.0 Python == 2.7 Tensorr

TextClassification-Keras 这个代码库实现了一个各种深学习模型使用Keras框架，其中包括文本分类：FastText，TextCNN，TextRNN，TextBiRNN，TextAttBiRNN，韩，RCNN，RCNNVariant等除了模型实现，简化应用程序包括在内。 指导 环境 Python 3.7 NumPy 1.17.2 Tensorflow 2.0.1 用法 所有代码都位于目录/model ，每种模型都有对应的目录，其中放置了模型和应用程序。 例如，FastText的模型和应用程序位于/model/FastText ，模型部分为fast_text.py ，应用程序部分为main.py 模型 1个FastText FastText是在“提出的。 1.1论文描述 使用查找表，将ngram包转换为单词表示形式。 将单词表示形式平均为一个文本表示形式，它是一个隐藏变量。 文本表示又被馈送到线性分类器。 使用softmax函数可计算预定义类上的概率分布。 1.2在这里实现 FastText的网络结构： 2个TextCNN 在提出了TextCNN

CNN相关论文（包括ResNet，GoogleNet，R-CNN，YOLO，SSD，可视化等），包括rcnn家族，yolo家族等经典目标检测论文

Mask-RCNN.zip

cail2019_track2 中国法研杯CAIL2019要素抽取任务第三名方案分享 欢迎大家使用 （修改了一下readme，之前那一版感觉写的太水了。） 这次比赛和前两名差距很大，但是也在此给大家分享一下我所用的方案。 主要的trick包括领域预训练、focal loss、阈值移动、规则匹配以及模型优化、调参。 没有使用模型融合。 效果对比 由于是第一次参赛，很多比赛细节没有做记录，效果对比的分数是我从凭印象在上传历史记录里边找的，可能分数不一致，但是大概就在那个范围，还请见谅。 Model 详情 线上评分 BERT 使用bert_base做多标签分类 69.553 BERT+RCNN+ATT 在BERT后增加RCNN层，并把最大池化换成Attention 70.143 BERT+RCNN+ATT 增加阈值移动 70.809 BERT+RCNN+ATT 增加focal loss 71.1

阅读Mask Rcnn后整理的阅读ppt，英文版的内容较少。

pytorch-faster-rcnn 1.简介 基于Pytorch的快速rcnn框架的实现。有关更快的R-CNN的详细信息，请参阅论文《 ，作者邵少青，何开明，Ross Girshick，孙健 此检测框架具有以下功能： 它可以作为纯python代码运行，也可以基于pytorch框架纯运行，无需构建 仅运行train.py脚本即可轻松进行培训，只需设置数据根目录 它有许多骨干网。 像vgg，resnet-fpn，mobilenet，高分辨率网络（HRNet） 它可以是一个真正的检测框架。 您只需要在配置文件中更改超级参数，并获得不同的模型来比较不同的模型 它的内存效率高（vgg16约为3GB） 2.安装 2.1先决条件 Python 2.7或3.5 火炬1.5.1 火炬视觉0.6.1 numpy的1.15.4 枕头6.1.0 pycocotools 2.0 matplotl

深度学习用在检测的开山之作！