域自适应更快的RCNN-PyTorch:PyTorch中的域自适应更快的R-CNN-源码

上传者: 42131790 | 上传时间: 2021-04-06 17:10:45 | 文件大小: 4.24MB | 文件类型: ZIP
PyTorch中的域自适应快速R-CNN 这是Haoran Wang( )实施的“用于野外物体检测的域自适应快速R-CNN”的PyTorch实现。 原始文件可以在找到。 此实现基于 @ 。 如果您发现此存储库有用,请引用以下原始论文: @inproceedings{chen2018domain, title={Domain Adaptive Faster R-CNN for Object Detection in the Wild}, author = {Chen, Yuhua and Li, Wen and Sakaridis, Christos and Dai, Dengxin and Van Gool, Luc}, booktitle = {Computer Vision and Pattern Recognition (CVPR)},

文件下载

资源详情

[{"title":"( 258 个子文件 4.24MB ) 域自适应更快的RCNN-PyTorch:PyTorch中的域自适应更快的R-CNN-源码","children":[{"title":"city2foggy_r50_consistency_log.txt <span style='color:#111;'> 1.45MB </span>","children":null,"spread":false},{"title":"Dockerfile <span style='color:#111;'> 1.58KB </span>","children":null,"spread":false},{"title":"Dockerfile <span style='color:#111;'> 1.84KB </span>","children":null,"spread":false},{"title":"jupyter_notebook_config.py <span style='color:#111;'> 498B </span>","children":null,"spread":false},{"title":"ABSTRACTIONS.md <span style='color:#111;'> 2.59KB </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