Yolact/Yolov5的C++实现，包括ONNX(CPU/CUDA), TensorRT版本。
2022-08-12 19:06:57
80KB
1
1. 使用openvino 2021.4 版本部署yolact;
2. 模型为fp16,亦可使用二代计算棒推理；
3. 资源包含推理源码及转换好的bin\xml（fp16）文件;
2022-05-30 12:05:41
264.15MB
1
yolact预训练模型下载，有需要的可以拿走，git上太慢 把权重放到项目下的weights文件夹下。
2022-02-22 20:43:35
201.06MB
1
yolact实例分割算法官方权重文件四个
550 Resnet101-FPN 33.0 29.8 yolact_base_54_800000.pth
2021-12-16 11:09:00
194.11MB
1
YOLACT实时实例细分
介绍
这是ICCV2019接受的论文的Tensorflow 2实现。 本文在扩展现有对象检测体系结构及其自身并行原型生成思想的基础上，提出了一种用于实际实例分割的全卷积模型。 在此回购中，我的目标是提供一种使用此模型的通用方法，让用户根据原始论文的想法，为自己的特定需求提供更多灵活的选项（自定义数据集，不同的主干选择，锚点规模和学习率进度表）。
[更新] 2021/03/23请认真处理此工作！
模型
这是原始纸上的YOLACT的插图。
A.数据集和预处理
1.准备COCO 2017 TFRecord数据集
/ /
从注释中将/train2017 ， /val2017和/annotations/instances_train2017.json和/annotations/instances_val2017.json提取到./data文件夹中，然后运行：
pyth
2021-11-14 14:56:46
312KB
1
乳脂状
这是文件中的代码：
我已经使用并更新了的代码
此存储库将帮助您检测和分割汽车实例：
安装
克隆此存储库并输入：
git clone https://github.com/Priyashbhugra/yolact.git
cd yolact
创建Anaconda环境：
conda create -n yolact
运行以下命令并等待直到创建环境：
conda create -n yolact
conda activate yolact
运行以下命令并等待直到创建环境：
conda env create -f environment.yml `
评估
这是在COCO数据集上预训练的YOLACT模型：
下载Resnet101-FPN ----------
我仅使用Resnet101-FPN作为骨干网。 要评估模型，请将相应的权重文件放在weights目录中，然后运行以下
2021-11-14 14:53:40
6.23MB
1
【YOLACT】代码解读一代码运行验证处理图片训练代码解读网络架构
代码运行
根据github所给指导一步一步进行，如果曾经下载好coco数据集，在data/config.py108行以下修改数据集的目录，并且在run_coco_eval.py16行修改验证集annotation文件的路径。
验证
有以下三种评估方式：
first
python eval.py --trained_model=weights/yolact_base_54_800000.pth
以上命令不使用coco数据集自带的模型评估COCOEval，而是使用自己定义的评估函数。
second
python eval.py
2021-07-09 12:07:32
444KB
1