UniDet:具有自动学习的统一标签空间的多个数据集上的对象检测-源码

上传者: 42138703 | 上传时间: 2021-06-18 11:49:46 | 文件大小: 5.31MB | 文件类型: ZIP
简单的多数据集检测 在具有统一标签空间的多个大规模数据集上训练的对象检测器; ECCV 2020强大视觉挑战的获奖解决方案。 周兴义,弗拉德伦·科尔通,菲利普·克拉伦布, arXiv技术报告( ) 联系人: 。 任何问题或讨论都欢迎! 抽象的 我们如何建立一个通用而广泛的物体检测系统? 我们使用曾经标注过的所有概念的所有标签。 这些标签跨越具有潜在不一致分类法的各种数据集。 在本文中,我们提出了一种在多个大型数据集上训练统一检测器的简单方法。 我们使用特定于数据集的训练协议和损失,但与特定于数据集的输出共享通用的检测架构。 我们展示了如何将这些特定于数据集的输出自动集成到常见的语义分类法中。 与以前的工作相比,我们的方法不需要手动分类。 我们的多数据集检测器在每个训练域上的性能和特定于数据集的模型一样好,但是可以更好地推广到新的看不见的域。 基于提出的方法的条目在ECCV 2020

文件下载

资源详情

[{"title":"( 478 个子文件 5.31MB ) UniDet:具有自动学习的统一标签空间的多个数据集上的对象检测-源码","children":[{"title":"Dockerfile <span style='color:#111;'> 1.94KB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 1.26KB </span>","children":null,"spread":false},{"title":"deploy.Dockerfile <span style='color:#111;'> 1.50KB </span>","children":null,"spread":false},{"title":"docker-compose.yml <span style='color:#111;'> 578B </span>","children":null,"spread":false},{"title":".flake8 <span style='color:#111;'> 429B </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