基于pytorch可在Windows平台训练的simple Faster RCNN.基于pytorch可在Windows平台训练的simple Faster RCNN.基于pytorch可在Windows平台训练的simple Faster RCNN
2021-10-27 21:13:39
15.87MB
1
自己精心整理的FasterRCNN视频讲解mp4,华文讲解,很详细!分两部分,这是1.1 FasterRCNN 算法原理
2021-10-27 05:04:05
21.41MB
1
fasterrcnn中对RPN的理解-2018 word文档，fasterrcnn中对RPN的理解
2021-10-21 23:16:45
2.58MB
1
Caffe下faster rcnn的残差网络resnet的配置，包含prototxt、train、test等文件。
2021-10-19 16:09:15
11KB
1
更快的RCNN-pytorch
FasterRCNN在VGG，ResNet和FPN基础中实现。
参考：
rbg的FasterRCNN代码： :
模型表现
在VOC2017上进行培训在VOC2017上进行测试
骨干
地图
VGG16
0.7061
ResNet101
0.754
训练模型
1.运行前，您需要：
光盘./lib
在make.sh和setup.py中更改gpu_id。 具体来说，您需要在make.sh的第5、12和19行以及setup.py的第143行中修改参数设置，其中包含关键字“ -arch =”取决于您的gpu模型。（选择适当的体系结构，见下表）
sh make.sh
GPU型号
建筑学
TitanX（麦克斯韦/帕斯卡）
sm_52
GTX 960M
sm_50
GTX 108（钛）
sm_61
网格K520（AWS g2.2xlarge
2021-10-13 10:32:48
106KB
1
TensorFlow 2.0教程
我们的回购。 是的赢家 。
时间线：
2019年10月1日：TensorFlow 2.0稳定！
2019年8月24日：
2019年6月8日：
2019年3月7日：
2019年1月11日：
2018年8月14日：
安装
确保您使用的是python3.x。
CPU安装
pip install tensorflow - U
GPU安装
自己安装CUDA 10.0 （或cudnn ）和cudnn 。 并设置LD_LIBRARY_PATH 。
pip install tensorflow - gpu - U
测试安装：
In [ 2 ]: import tensorflow as tf
In [ 3 ]: tf . __version__
Out [ 3 ]: '2.0.0'
In [ 4 ]: tf . test . is_gpu_available ()
...
totalMemory : 3.95 GiB freeMemory : 3.00 GiB
...
Out [ 4 ]: True
配套TF2视频教程
TensorFl
2021-09-27 21:20:29
105MB
1
从py-faster-rcnn修改，在windows下添加了需要的fast RCNN层，已经生成pycaffe，供python版本的faster RCNN调用。这里增加了gpu版本。安装了python3，以及依赖包，下载caffemodel就可以运行。
cpu版本 http://download.csdn.net/download/wanggao_1990/10180233
2021-09-18 14:34:25
117.58MB
1
使用matlab进行目标检测，基于FasterRCNN
前置网络结构是一个简单的CNN哈
2021-09-06 11:55:41
25.66MB
1
将tensorflow版本的faster rcnn提供的demo改写成C++，其中把ckpt格式的模型转换为pb模型，然后使用C++版本的tensorflow进行目标识别，此为编译好的cpu版本，可直接使用，使用方式以放在压缩包中，里面也有测试数据，以及测试的结果数据。
2021-08-25 13:42:48
203.29MB
1