使用 TensorFlow Object Detection API 进行实时目标检测（基于 SSD 模型）
实验目的
使用 TensorFlow Object Detection API 进行实时目标检测（基于 SSD 模型）
任务列表：
• 行人识别
• 人脸识别
• 交通灯识别
• 实时检测（平均 FPS>15）
• 使用 tflite 将模型移植到嵌入式设备
2023-02-27 18:53:55
32.29MB
1
https://github.com/weiliu89/caffe/tree/ssd
对应的模型文件， 直接去github链接里下载，有需要的从这里下载让我赚一个积分吧。
压缩包里包含文件:
models_VGGNet_VOC0712_SSD_300x300.tar.gz
models_VGGNet_VOC0712_SSD_512x512.tar.gz
2023-01-10 16:26:31
189.37MB
1
https://github.com/weiliu89/caffe/tree/ssd
对应的模型文件
包含文件:
models_VGGNet_VOC0712Plus_SSD_300x300.tar.gz
models_VGGNet_VOC0712Plus_SSD_512x512.tar.gz
2022-06-29 22:28:16
189.5MB
1
海面目标检测图像中的小目标数量居多,而基于深度学习的目标检测方法通常针对通用目标数据集设计检测模型,对图像中的小目标检测效果并不理想。 使用一般目标检测模型检测海面目标图像的特征时,通常会出现小目标漏检情况,而一些特定的小目标检测模型对海面目标的检测效果还有待验证。 为此,在标准的SSD( single shot multiBox detector)目标检测模型基础上,结合 Xception 深度可分卷积,提出一种轻量 SSD 模型用于海面目标检测。 方法 在标准的 SSD 目标检测模型基础上,使用基于 Xception 网络的深度可分卷积特征提取网络网络中的 exit flow 层和 Conv1 层引入轻量级注意力机制模块来提高检测精度,并与在其他层引入轻量级注意力机制模块的模型进行检测效果对比;使用注意力机制改进的轻量 SSD 目标检测模型和其他几种模型分别对海面目标检测数据集中的小目标和正常目标进行测试。
2022-06-25 19:08:59
2.11MB
压缩包里面:VGG_ILSVRC2016_SSD_300x300_iter_440000.caffemodel,
deploy.prototxt,labelmap_det.txt,文件齐全
2021-09-14 10:15:36
179MB
1
voc0712 训练的ssd模型，mAP值为77%，网络结构是作者开源的ssd代码的标准的ssd 300*300的网络
2021-09-13 11:22:59
100.28MB
1
https://gitee.com/chde222/models/blob/master/research/object_detection/g3doc/detection_model_zoo.md中的ssd_mobilenet_v2_coco_2018_03_29.tar.gz模型
2021-09-03 18:52:29
179.22MB
1