Android和树莓派上的TensorFlow-Lite对象检测 展示如何训练TensorFlow Lite对象检测模型并在Android，Raspberry Pi等上运行它们的指南！ 介绍 TensorFlow Lite是用于在资源受限的边缘设备上部署轻量级深度学习模型的优化框架。 TensorFlow Lite模型具有更快的推理时间和更少的处理能力，因此可用于在实时应用程序中获得更快的性能。 本指南提供分步说明，说明如何训练自定义TensorFlow对象检测模型，如何将其转换为TensorFlow Lite可以使用的优化格式以及如何在Android手机或Raspberry Pi上运行它。 该指南分为三个主要部分。 每个部分在此存储库中都有其自己的专用README文件。 如何在Windows 10上训练，转换和运行自定义TensorFlow Lite对象检测模型<---您在这里！

DOTA-DOAI 抽象的 这个repo是我们团队参加DOTA相关比赛的代码库，包括旋转和水平检测。 我们主要使用基于的两阶段检测器，由和完成。 我们还推荐了一个基于张量流的，由领导。 表现 DOTA1.0（任务1） 模型 骨干 训练数据 数值数据 地图 模型链接 技巧 lr schd 数据增强 图形处理器 图像/GPU 配置 FPN ResNet152_v1d (600,800,1024)->MS DOTA1.0 trainval DOTA1.0测试 78.99 全部 2x 是的 2X GeForce RTX 2080 Ti 1 cfgs_dota1.0_res152_v1.py DOTA1.0（任务2） 模型 骨干 训练数据 数值数据 地图 模型链接 技巧 lr schd 数据增强 图形处理器 图像/GPU 配置 FPN（内存消耗） ResNet152_v1

End-to-End Object Detection with Transformers论文阅读笔记

最近唯一能够像SiamMask一样在线操作并从边界框初始化开始生成mask的跟踪器是Yeo等人的基于超像素的方法.①作者认为以往直接回归box的方法存在一定的偏差，而使用分割提取mask然后再确定box的方法能够更好的定位box 的宽高。 ②现有的跟踪器，都使用矩形边界框来初始化目标并估计其在后续帧中的位置。尽管简单的矩形很方便，但通常无法正确表示对象。

每个像素都很重要：域自适应对象检测器的中心感知特征对齐 该项目托管用于实现“ （ECCV 2020）的代码。 介绍 域自适应对象检测器旨在使其自身适应可能包含对象外观，视点或背景变化的不可见域。大多数现有方法都在图像级别或实例级别采用特征对齐。但是，全局特征上的图像级别对齐可能会同时纠缠前景/背景像素，而使用提案的实例级别对齐可能会遭受背景噪声的困扰。 与现有解决方案不同，我们提出了一种域自适应框架，该框架通过预测逐像素的对象度和中心度来考虑每个像素。具体而言，所提出的方法通过更加关注前景像素来进行中心感知对齐，从而实现跨域更好的适应性。为了更好地跨域对齐要素，我们开发了一种中心感知的对齐方法，该方法可以进行对齐过程。 我们在众多的适应性设置上展示了我们的方法，并获得了广泛的实验结果，并针对现有的最新算法展示了良好的性能。 安装 检查以获取安装说明。 我们的无锚检测器的实现很大程度上基于F

压缩包内包含1.protoc-3.3.0-win32.zip压缩包（在win10 64bit下解压运行OK）； 2.在bin\object_detection文件夹下转换成功的protos文件夹，共63个项目； 包含以下py文件: train_pb2.py string_int_label_map_pb2.py ssd_pb2.py ssd_anchor_generator_pb2.py square_box_coder_pb2.py region_similarity_calculator_pb2.py preprocessor_pb2.py post_processing_pb2.py pipeline_pb2.py optimizer_pb2.py multiscale_anchor_generator_pb2.py model_pb2.py mean_stddev_box_coder_pb2.py matcher_pb2.py losses_pb2.py keypoint_box_coder_pb2.py input_reader_pb2.py image_resizer_pb2.py hyperparams_pb2.py grid_anchor_generator_pb2.py graph_rewriter_pb2.py flexible_grid_anchor_generator_pb2.py faster_rcnn_pb2.py faster_rcnn_box_coder_pb2.py eval_pb2.py calibration_pb2.py box_predictor_pb2.py box_coder_pb2.py bipartite_matcher_pb2.py argmax_matcher_pb2.py anchor_generator_pb2.py

2104年新出的Python新书，如果你希望掌握Python面向对象编程，那么 这本新书应该是不错 的选择。

基于C#和MAPGIS.Object组件开发的GIS系统源码.zip

Semi-Global Matching in Object Space 原文

Hash programming in SAS. to show you how hash objects in SAS DATA steps can be used to lookup data, combine data, and organize data. After reading the discussions and trying the examples, you should be able to start wisely incorporating hash object programming techniques in your applications.