Faster R-CNN+粒子群优化+图像配准
首先利用深度学习 Faster R-CNN，在训练好 训练集的情况下检测和提取当前帧中的目标，利用 5.1 节的动目标提取算法校验 目标；然后以此作为接下来配准的模板，利用多自由度的图像配准来求解图像变 换参数，并结合粒子群优化 PSO 的快速求解性能[20]，高速的配准定位、跟踪与 提取目标，将算法处理速度提升到了每秒 60 帧以上（配准时的速度）。在配准过 程中，如果出现配准相似度低于设定阈值，则认为目标跟踪失败，此时将重新利 用 Faster R-CNN 检测与提取新目标，并重复过程。
2021-01-28 04:57:41
3KB
此训练模型为tensorflow下faster-rcnn已经训练好的模型。由于google下载的链接很慢，所以为大家提供资源。
2020-01-11 03:05:48
522.92MB
1
RCNN Fast-RCNN Faster-RCNN Mask-RCNN系列论文
RCNN Fast-RCNN Faster-RCNN Mask-RCNN系列论文
2020-01-03 11:36:21
18.96MB
1
用于https://blog.csdn.net/ThunderF/article/details/100294913的setup.py文件，解决can not import _mask问题
2020-01-03 11:35:51
797B
1
该资源包含了近些年经典的基于深度学习的目标检测论文，有RCNN、Fast-RCNN、Faster-RCNN、Mask-RCNN以及YOLO系列
2020-01-03 11:29:20
32.75MB
1
采用mobilenet_v1替换原作者采用的resnet50，对于coco2014数据集进行重新训练,迭代了160k次，最终得到的模型模型大小为93m,原模型270多m，同时运算速度大大的提升了，感兴趣的同学可以去下载一下，不用gpu,可以直接在配置好环境的CPU就可以跑起来！
2020-01-03 11:20:52
92.76MB
1
(代码简洁, 绝对可用)使用python将24位或者16位图像转换为8位图像，用于labelme标记的MASK_RCNN进行样本训练, 自己的样本数据是24位就是用这代码进行转换成8位, 样本已训练成功.(16位亦可用).
2019-12-28 17:15:09
917B
1