PubLayNet PubLayNet是文档图像的大型数据集，其布局用边框和多边形分割标注。 有关更多信息，请参见 PMC4334925_00006.jpg PMC538274_00004.jpg 最近更新 15/Sept/2020年15/Sept/2020 -添加培训代码。 29/Feb/2020年29/Feb/2020 -为maskrcnn_resnet50_fpn添加基准测试。 22/Feb/2020年22/Feb/2020 -（Pytorch）中的预训练Mask-RCNN模型。 标杆管理 建筑学 Iter num（x16） 美联社 AP50 AP75 AP小 AP培养基 AP大 MD5SUM 196k 0.91 0.98 0.96 0.41 0.76 0.95 393e6700095a673065fcecf5e8f264f7 演示版 在上面的基准测试

更快的R-CNN的更快的Pytorch实现 开头写 [05/29/2020]此回购协议成立于两年前，它是第一个支持多GPU训练的开源对象检测代码。 它整合了许多人的巨大努力。 但是，我们发现最近几年出现了许多高质量的回购协议，例如： 在这一点上，我认为此回购在管道和编码方式方面已超出数据范围，因此不会积极维护。 尽管您仍然可以将此仓库用作游乐场，但我强烈建议您转到上面的仓库以探究物体检测的西方世界！ 介绍 :collision: 好消息！ 这个仓库现在支持pytorch-1.0 ！！！ 我们从借了一些代码和技术。 只需转到pytorch-1.0分支！ 此项目是更快的R-CNN的更快的pytorch实现，旨在加速训练更快的R-CNN对象检测模型。 最近，有许多不错的实现： ，基于Pycaffe + Numpy开发 ，基于Pytorch + Numpy开发 基于TensorFlow + Numpy开发的

可可数据集上的预训练模型正在进行中。 分支可可还不稳定。 由于可可分行不够稳定，因此目前仅用作教育目的： TL; DR： 演示在demo.ipynb Doc在doc/mask-rcnn-intro.ipynb 配置-> configuration.py test使用那些网络标题 面罩RCNN PyTorch Mask-RCNN的PyTorch 0.4实现。 这是我们在工作的副项目 特征： 与设备无关的代码。 在不修改代码的情况下同时运行gpu / cpu，培训和测试都不需要gpu。 感谢pytorch 0.4！ 完整记录的代码，带有jupyter笔记本指南，易于使用的配置 清晰的代码结构，带有完整的单元测试，以最小的痛苦扩展 要求 代码在以下系统下测试 Ubuntu 16.04（CPU / Nvidia GPU） macOS High Sierra（CPU版本） Win

Mask-RCNN的代码实现，Pytorch版本，有什么问题请私信，有时候可能看不到，所以不能及时回复。我的邮箱18125081@bjtu.edu.cn

pytorch-mask-rcnn

mask_rcnn中文注释

Faster RCNN原理和代码解析，整体架构，代码解析第一部分：整体结构以及实现细节；第二部分：原理介绍，代码详解，第三部分：搭建模型。目标检测算法评价指标以及NMS后处理

windows跑faster-rcnn(matlab)需要的caffe文件

Faster-RCNN源码及其代码实现.zip

将所有json文件中的原始图像与标签图像自动提取分别放置两个不同的文件夹