在代码中我们将解释如何使用`姿势估计和LSTM (Long - term Memory)`创建一个用于人类动作识别(或分类)的App。我们将创建一个web应用程序，它接收一个视频，并生成一个带有标识动作类注释的输出视频。我们将在web应用程序中使用`Flask`框架，并使用`PyTorch lightning`进行模型训练和验证。

基于detectron2官方给定的dockerfile修改而来，镜像本身的系统是ubuntu，在window下可用，在ubuntu下应该可以。

detectron2训练自己的图像集

还在摸索怎么用detectron2训练自己数据集的朋友们下来看看，相信不会让你们失望的,有问题提出，一起学习

detectron2 cuda编译源文件，适合windows系统。新版的更新后被作者改坏了，在windows上无法完成编译，导致不能运行。

微软最新state of art目标检测模型，训练自己数据集，详细步骤，detectron2框架pytorch源码

Detectron2是Facebook AI Research的下一代软件系统，可实现最新的对象检测算法。 它是对先前版本重写，它源自 。 什么是新的 它由深度学习框架提供支持。 包括更多功能，例如全景分割，Densepose，Cascade R-CNN，旋转边界框，PointRend，DeepLab等。 可用作库来支持基于它的。 我们将以这种方式开源更多的研究项目。 它。 可以将模型导出为TorchScript格式或Caffe2格式以进行部署。 请参阅我们的以查看更多演示并了解detectron2。 安装 参见 。 入门 按照安装detectron2。 请参阅和以了解基本用法。 在我们的了解更多。 并查看有关在detectron2之上构建的某些项目。 模型动物园和基线 我们提供了大量基准结果和经过训练的模型，可在下载。 执照 Detectron2是根据发行的。 引用Dete

detBlendPipe 使用BlenderProc和Detectron2的数据生成器和对象检测 安装 如果需要，请使用venv。 pip install -r requirements/dev.txt git clone https://github.com/DLR-RM/BlenderProc.git # skip this if you dont want sample haven dataset cd BlenderProc python scripts/download_haven.py 这将安装detectron2和blenderproc。 用法 streamlit run front_end/main.py

基于cvpods的DETR DETR.detectron2已被弃用。 请查看我们基于新实现，该实现更加用户友好。 指示 从安装cvpods cd detr.res50.c5.coco.multiscale.150e.bs16 pods_train --num-gpus 8 结果 配置 可可AP 纸 检查站 detr.res50.c5.coco.multiscale.150e.bs16 38.8不带RC 带RC的39.5 “ RC ”是指RandomCrop，它为纸张带来了1％的AP改善。

自下而上的注意力 该存储库包含基于Caffe的项目的PyTorch重新实现。 我们使用作为后端来提供完整的功能，包括培训，测试和特征提取。 此外，我们从原始存储库中迁移了经过预训练的基于Caffe的模型，该模型可以提取与原始模型相同的视觉特征（偏差 = 3.6 > = 1.4 > = 9.2和cuDNN 顶尖 侦探2 射线 OpenCV Pycocotools 请注意，Detectron2需要上述大多数要求。 安装 克隆包含Detectron2所需版本（v0.2.1）的项目 # clone the repository inclduing Detectron2(@be792b9) $ git clone --recursive https: