Detectron2是Facebook AI Research的下一代软件系统，可实现最新的对象检测算法。 它是对先前版本重写，它源自 。 什么是新的 它由深度学习框架提供支持。 包括更多功能，例如全景分割，Densepose，Cascade R-CNN，旋转边界框，PointRend，DeepLab等。 可用作库来支持基于它的。 我们将以这种方式开源更多的研究项目。 它。 可以将模型导出为TorchScript格式或Caffe2格式以进行部署。 请参阅我们的以查看更多演示并了解detectron2。 安装 参见 。 入门 按照安装detectron2。 请参阅和以了解基本用法。 在我们的了解更多。 并查看有关在detectron2之上构建的某些项目。 模型动物园和基线 我们提供了大量基准结果和经过训练的模型，可在下载。 执照 Detectron2是根据发行的。 引用Dete

介绍 要求： 的Python 3.5 PyQt5 5.9.2 opencv-python 3.4.0.12 张量流-gpu 1.5.0 CUDA 8.0 易言 用： 运行train_and_detection / win_entry.py “开放模型”->（summary / cnn3d_17） “打开视频” 火车： 运行train_and_detection / train.py 参考： [1]使用伪3D残差学习时空表示，ICCV2017 基于时空深度神经网络的视频烟雾检测 1.型号 2Dto3D： 3D： conv3d块（A，B，C）： 3D_DenseNet： 结果1： 结果2：

埃斯甘 模型架构 增强和检测 低分辨率影像与侦测 超级解决影像与侦测 高分辨率地面真理图像和边界框 依赖关系和安装 Python 3（建议使用Anaconda） PyTorch> = 1.0 NVIDIA GPU + CUDA Python软件包： pip install -r path/to/requirement.txt 训练 python train.py -c config_GAN.json 测验 python test.py -c config_GAN.json 数据集 从此处下载数据集。 这是创建自定义图像补丁的GitHub存储库。 从此处下载预制数据集， 此脚本可与预制数据集一起使用，以创建高/低分辨率和双三次图像。 确保将注释文件（.txt）复制到HR，LR和Bic文件夹中。 编辑JSON文件 需要根据用户目录更改以下JSON文件的目录。 有关详细信息，

Leskovec-2007-Cost-effective outbreak detectio.pdf

IMAGE ANALYSIS,CLASSIFICATION AND CHANGE DETECTION IN REMOTE SENSING(THIRD EDITION)： ·      简明介绍所需的数学和统计背景知识 ·      深度介绍非线性数据分析方法，包括支持向量机等 ·      详细介绍多变量变化检测及软件的实现 ·      提供每个章节的练习源代码

编写了 Matlab 代码以将叶子分类为以下类型之一：'Alternaria Alternata'、'Anthracnose'、'Bacterial Blight'、'Cercospora Leaf Spot' 和 'Healthy Leaves'。 分类由 Multiclass SVM 完成（一对一） 怎么跑？？ 1.将文件夹'Leaf_Disease_Detection_code'放在Matlab路径中，并将所有子文件夹添加到该路径中2. 运行 DetectDisease_GUI.m 3.在GUI中，单击“加载图像”，然后从Manu's Disease数据集中加载图像，单击“增强对比度”。 4. 接下来点击Segment Image，然后输入包含ROI的cluster no，即只有疾病受影响的部分或健康的部分5. 点击分类结果。 然后测量准确性（在这种情况下是健康与所有疾病）。 代码

Object Detection in 20 Years: A Survey（摘要笔记，可做索引配合阅读）

OpenCV-Pest-Detection 植物害虫检测

KITTI Object Detection and Tracking Geometry Definitions Doc

本资源为caltech行人数据集种子，可在迅雷下载。 最近在做智能交通中的行人检测，需要数据集对分类器进行training，选取的数据集为加理工(caltech)提供的http://www.vision.caltech.edu/Image_Datasets/CaltechPedestrians/，该数据集的一些说明可以从官网中得知。数据集主要包括1. 训练集+测试集：seq格式的数据；2.行人标签数据:vbb(video bounding box)格式的数据，该格式数据主要是数据集1中的行人bounding box。