FasterRCNN和yolov5训练飞机目标识别的项目

上传者: 32393347 | 上传时间: 2022-06-13 12:05:11 | 文件大小: 26.36MB | 文件类型: ZIP
一类是two-stage,two-stage检测算法将检测问题划分为两个阶段,首先产生候选区域(region proposals),然后对候选区域分类(一般还需要对位置精修),这一类的典型代表是R-CNN, Fast R-CNN, Faster R-CNN,Mask R-CNN家族。他们识别错误率低,漏识别率也较低,但速度较慢,不能满足实时检测场景。 另一类方式称为one-stage检测算法,其不需要region proposal阶段,直接产生物体的类别概率和位置坐标值,经过单次检测即可直接得到最终的检测结果,因此有着更快的检测速度,比较典型的算法如YOLOv5,SSD,RetinaNet等。 FasterRCNN和yolov5可以说是目前最先进的两类算法,本次将使用FasterRCNN和yolov5训练飞机目标识别的项目

文件下载

资源详情

[{"title":"( 616 个子文件 26.36MB ) FasterRCNN和yolov5训练飞机目标识别的项目","children":[{"title":"json_to_yolo.py <span style='color:#111;'> 1.65KB </span>","children":null,"spread":false},{"title":"gen_xml.py <span style='color:#111;'> 4.39KB </span>","children":null,"spread":false},{"title":"yolo_spilt_data.py <span style='color:#111;'> 1.41KB </span>","children":null,"spread":false},{"title":"coco_utils.py <span style='color:#111;'> 14.04KB </span>","children":null,"spread":false},{"title":"coco_eval.py <span style='color:#111;'> 1.02KB </span>","children":null,"spread":false},{"title":"......","children":null,"spread":false},{"title":"<span style='color:steelblue;'>文件过多,未全部展示</span>","children":null,"spread":false}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明