内卷化 如“对内在性”（CVPR'21）中所述的神经算子的正式实现 ，，，，，朱磊，， TL; 博士involution是一种通用的神经元原语，可用于各种视觉任务上的各种深度学习模型。 involution在设计中架起了convolution与self-attention桥梁，同时比convolution更有效，更有效，而形式上则比self-attention更简单。 入门 该存储库完全基于工具包构建。 对于每个单独的任务，config和model文件分别遵循与 ， 和相同的目录组织，因此只需将它们复制并粘贴到相应的位置即可上手。 例如，在评估检测器方面 git clone https://github.com/open-mmlab/mmdetection # and install # copy model files cp det/mmdet/models/backbones/ *

tensorflow-yolov4-tflite YOLOv4，YOLOv4-tiny在Tensorflow 2.0中实现。 将YOLO v4，YOLOv3，YOLO tiny .weights转换为.pb，.tflite和trt格式以生成tensorflow，tensorflow lite和tensorRT。 下载yolov4.weights文件： ://drive.google.com/open id 1cewMfusmPjYWbrnuJRuKhPMwRe_b9PaT 先决条件 Tensorflow 2.3.0rc0 性能 演示版 # Convert darknet weights to tensorflow # # yolov4 python save_model.py --weights ./data/yolov4.weights --output ./checkpoints/yolov4-416 --input_size 416 --model yolov4 # # yolov4-tiny python save_model.py --weights ./data/

简单的多数据集检测 在具有统一标签空间的多个大规模数据集上训练的对象检测器； ECCV 2020强大视觉挑战的获奖解决方案。 周兴义，弗拉德伦·科尔通，菲利普·克拉伦布， arXiv技术报告（ ） 联系人： 。 任何问题或讨论都欢迎！ 抽象的 我们如何建立一个通用而广泛的物体检测系统？ 我们使用曾经标注过的所有概念的所有标签。 这些标签跨越具有潜在不一致分类法的各种数据集。 在本文中，我们提出了一种在多个大型数据集上训练统一检测器的简单方法。 我们使用特定于数据集的训练协议和损失，但与特定于数据集的输出共享通用的检测架构。 我们展示了如何将这些特定于数据集的输出自动集成到常见的语义分类法中。 与以前的工作相比，我们的方法不需要手动分类。 我们的多数据集检测器在每个训练域上的性能和特定于数据集的模型一样好，但是可以更好地推广到新的看不见的域。 基于提出的方法的条目在ECCV 2020

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

YOLO v3对象检测器的PyTorch实现 [更新]：此存储库用作我研究的驱动程序代码。 我刚刚大学毕业，并且在最终申请硕士学位之前非常忙于寻找研究实习/研究职位。 我暂时没有时间研究问题。 谢谢你。 该存储库包含用于基于实现的YOLOv3 的对象检测器的代码。 该代码是基于官方代码 ，以及原代码的PyTorch端口，通过。 该代码的目标之一是通过删除代码的冗余部分来改善原始端口（正式代码基本上是完全成熟的深度学习库，其中包括诸如序列模型之类的东西，而YOLO并未使用这些东西）。 我还尝试将代码保持在最低限度，并尽我所能对其进行记录。 从头开始构建此检测器的教程 如果您想了解如何从头开始自己实现此检测器，则可以阅读我在Paperspace上撰写的非常详细的5部分教程系列。 非常适合想要从初学者过渡到中级火炬手的人。 到目前为止，该代码仅包含检测模块，但是您应该很快会收到培训模块。 :

计算机视觉Github开源论文

Yolov5：你只看一次 v5 学习资源和收藏 这个存储库是 Yolov5 的集合。 这有助于学习者或研究人员在一处找到所有 yolo 代码。 :glowing_star: :glowing_star: :glowing_star: :glowing_star: :glowing_star: Yolov5 系列 :glowing_star: :glowing_star: :glowing_star: :glowing_star: :glowing_star: 粗体文字内含项目 约洛夫5 ： （感谢Roboflow.com ） 序号 名称 Github 1 官方 Yolov5 (7.6 k :star: ） 2 使用YOLO v5和深度排序的实时多人跟踪器（362 :star: ） 3 约洛夫（Yolov5）火炬（57 :star: ) | 4 Yolov5 Tensorflow(125 :star: ） 5 Yolov5 框架 (326 :star: ） 6 Yolov5 的烟雾检测(152 :star: ） 7 Yolo

单发对象检测已更新 摘自Hadelin de Ponteves关于Open CV的Udemy课程 该代码包括用于最新PyTorch支持的更新后的SSD类。 已更新功能detection.py，使其与SSD类和最新的PyTorch版本兼容。 如果您拥有最新的PyTorch版本，请克隆代码，并用更新的代码替换现有的SSD.py文件和detect.py文件（在图层/函数内）

Rapid Object Detection using a Boosted Cascade of Simple Rapid Object Detection using a Boosted Cascade of Simple

Uncertainty-aware Joint Salient Object and Camouflaged Object Detection论文试读ppt，适合略读梳理头绪