pytorch官方预训练模型：se_resnet50-ce0d4300.pth，亲测可用

GFL_DCN_R101训练模型，测试用

mmdetection里用的预训练模型resnet的，放在AWS上的，国内下载不便，放在CSDN方便大家下载

该资源是U2Net网络的预训练模型u2net.pth U2-Net: Going Deeper with Nested U-Structure for Salient Object Detection

biubug6/Pytorch_Retinaface：https://github.com/biubug6/Pytorch_Retinaface。这里用到的预训练模型mobilenet0.25_Final.pth。

在 ICCV 2019 上，FAIR 推出了视频理解代码库：PySlowFast。 PySlowfast是一个基于PyTorch的代码库， 让研究者可以轻而易举的复现从基础至前沿的视频识别(Video Classification)和行为检测(Action Detection)算法。 不但如此，PySlowFast代码库同时开源了大量预训练模型(pretrain models)，让研究者省去了反复训练模型的烦恼，可以直接使用FAIR预训练的前沿(cutting edge performance)模型。 自开源后，PySlowFast就一度蝉联GitHub趋势榜前十。 根据其研讨会提供的教程和其开源代码库的信息，PySlowFast不但可以提供视频理解的基线（baseline）模型，还能提供当今前沿的视频理解算法复现。 其算法不单单囊括视频分类（video classification），同时也包括行为检测（Action Classification）算法。与当今开源社区中各种视频识别库复现出参差不齐的性能相比，使用PySlowFast可轻而易举的复现出当今前沿的模型。 这个模型是我在本机训练的。

PointRCNN权重，PointRCNN主要用于处理三维点云进行目标识别（CVPR2019）。算法地址：https://github.com/sshaoshuai/PointRCNN

pytorch的官方预训练模型：densenet121-a639ec97.pth，

光流计算方法FlowNet2-SD的训练文件，非常好用的，能获得较好的结果

VGG16 预训练模型pth文件-附件资源