pytorch-deform-conv:变形卷积的PyTorch实现-源码

上传者: 42118701 | 上传时间: 2021-06-25 15:26:11 | 文件大小: 1.51MB | 文件类型: ZIP
可变形卷积的PyTorch实现 魏欧阳@巴斯德研究所 感谢Felix Lau的Keras / TensorFlow实现: ( ) 待办事项清单 在pytorch中实现偏移量映射 所有测试通过 变形卷积模块 微调可变形卷积模块 大规模mnist演示 使用缓存的网格数组提高速度 使用pytorch(而不是Keras)的MNIST数据集 支持不同宽度和高度的输入图像 张量流实施基准 可变形卷积网络 戴继峰,齐浩志,熊玉文,李毅,张国栋,韩寒和魏一辰。 2017年。“可变形卷积网络”。 arXiv [cs.CV]。 arXiv。 以下动画是由Felix Lau(及其tenso

文件下载

资源详情

[{"title":"( 13 个子文件 1.51MB ) pytorch-deform-conv:变形卷积的PyTorch实现-源码","children":[{"title":"pytorch-deform-conv-master","children":[{"title":".gitignore <span style='color:#111;'> 1.22KB </span>","children":null,"spread":false},{"title":"torch_deform_conv","children":[{"title":"__init__.py <span style='color:#111;'> 0B </span>","children":null,"spread":false},{"title":"layers.py <span style='color:#111;'> 2.93KB </span>","children":null,"spread":false},{"title":"utils.py <span style='color:#111;'> 243B </span>","children":null,"spread":false},{"title":"mnist.py <span style='color:#111;'> 920B </span>","children":null,"spread":false},{"title":"cnn.py <span style='color:#111;'> 3.33KB </span>","children":null,"spread":false},{"title":"deform_conv.py <span style='color:#111;'> 6.00KB </span>","children":null,"spread":false}],"spread":true},{"title":"models","children":[{"title":"deform_cnn.png <span style='color:#111;'> 146.54KB </span>","children":null,"spread":false}],"spread":true},{"title":"LICENSE <span style='color:#111;'> 1.04KB </span>","children":null,"spread":false},{"title":"deformable-learned-offset-filtered.gif <span style='color:#111;'> 1.42MB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 1.11KB </span>","children":null,"spread":false},{"title":"tests","children":[{"title":"test_deform_conv.py <span style='color:#111;'> 2.07KB </span>","children":null,"spread":false}],"spread":true},{"title":"scaled_mnist.py <span style='color:#111;'> 3.62KB </span>","children":null,"spread":false}],"spread":true}],"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