视网膜网 这是Pytorch中RetinaNet的实现，使用ResNet作为主干和FPN。 它基于和的代码。 在VOC上训练 1.下载PASCAL VOC 2012 trainval数据集并解压缩。 其路径应为“ {root_dir} / VOCdevkit / ..”。 2.下载此仓库 git clone git@github.com:qqadssp/RetinaNet.git cd RetinaNet 3.从预训练的权重 cd checkpoint wget https://download.pythorch.org/models/resnet50-19c8e357.pth cd .. 4，初始化模型 python init.py 5.在“ config”中修改配置文件。 对于VOC数据集，请用您的{root_dir}修改“ TRAIN：DATASETS_DIR”

FairMOT 单次多对象跟踪的简单基准： ，张以夫，王春雨，王兴刚，曾文俊，刘文宇arXiv技术报告（ ） 抽象的 近年来，作为多目标跟踪的核心组件的目标检测和重新识别取得了显着进展。但是，很少有人关注在单个网络中完成两项任务以提高推理速度。沿此路径进行的初始尝试最终导致结果降低，这主要是因为未正确学习重新标识分支。在这项工作中，我们研究了故障背后的根本原因，并因此提出了解决问题的简单基准。在30 FPS时，它的性能明显优于MOT挑战数据集上的最新技术。我们希望这个基准可以启发并帮助评估该领域的新想法。 消息 （2020.09.10）FairMOT的新版本发布了！ （在MOT17上为73.7 MOTA） 主要更新 我们使用自我监督的学习方法在CrowdHuman数据集上对FairMOT进行了预训练。 要检测图像外部的边界框，我们使用左，上，右和下（4通道）来替换WH头（2通道）。

java Bertrand.Meyer的经典著作 面向对象经典书籍 一本就够

结合深度学习技术，提出了一种基于目标检测算法的农田病虫害识别方法，实现了农田病虫害的自动识别，提高了识别精度。 首先，建立有标签的农作物有害生物数据库； 然后使用Faster R-CNN算法，模型使用改进的Inception网络进行测试； 最后，在农作物病虫害数据库上对提出的目标检测模型进行了训练和测试，平均精度高达90.54％。

目标检测二十年综述Object Detection in 20 Years: A Survey中英对照翻译、重点及关键词标注

目标检测二十年综述Object Detection in 20 Years: A Survey中英对照翻译、重点及关键词标注

DETR学习分享：内含PPT分享

android调用matlab代码Android-App-for-Object-Detection 这个项目是关于使用 OpenCV 和神经网络开发一个应用程序，并考虑到目标检测目标（特别是 TinyYOLOv3）。 入门 好吧，该项目已经开始使用应用程序制作的基本版本。 这只是一个使用相机的 .apk，按下时只有一个按钮； 使用 . 使用智能手机摄像头检测 您可以使用下面给出的文件在 Android Studio 中创建一个项目并在您的手机上运行该应用程序。 如果您还想自己编译项目，则需要执行一个预处理步骤。 在手机的内部存储（不是 SD 卡）中创建一个名为“dnns”的文件夹。 下载“yolov3-tiny.cfg”和“yolov3-tiny.weights”文件 将您下载的文件复制到您在手机中制作的文件“dnss”中。 添加了对象检测器的文件。 这只是整个 Android Studio 项目； 如果你只专注于重要的三重奏，我帮你解决了； 你可以在下面找到它们。 库是为 mainactivity.java 中使用的函数实现的。 对于此代码和教程，所有功劳都归功于精彩：。 在开发过程

Improving Object Detection With One Line of Code.pdf

本资源包括三本书： 1.VTK_The Visualization Toolkit An Object Oriented Approach to 3D Graphics 2.The VTK User's Guide 3.The VTK User's Guide 中文版 另还有一本api参考手册