注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 基于tensorflow的tflearn库实现部分RCNN功能

  2. # 工程内容 这个程序是基于tensorflow的tflearn库实现部分RCNN功能。 # 开发环境 windows10 + python3.5 + tensorflow1.2 + tflearn + cv2 + scikit-learn # 数据集 采用17flowers据集, 官网下载：http://www.robots.ox.ac.uk/~vgg/data/flowers/17/ # 程序说明 1、setup.py---初始化路径 2、config.py---配置 3、tools.py

  3. 所属分类：深度学习

    • 发布日期：2017-08-10
    • 文件大小：900kb
    • 提供者：flyyoung0709

  1. 基于tensorflow中tflearn库实现部分RCNN功能

  2. # 工程内容 这个程序是基于tensorflow的tflearn库实现部分RCNN功能。 # 开发环境 windows10 + python3.5 + tensorflow1.2 + tflearn + cv2 + scikit-learn # 数据集 采用17flowers据集, 官网下载：http://www.robots.ox.ac.uk/~vgg/data/flowers/17/ # 程序说明 1、setup.py---初始化路径 2、config.py---配置 3、tools.py

  3. 所属分类：深度学习

    • 发布日期：2017-08-10
    • 文件大小：900kb
    • 提供者：flyyoung0709

  1. 自己制作标定的深度学习目标检测与识别算法的训练数据集

  2. 自己制作的数据集，用于无人机巡检环境下的目标检测与识别，数据集共1052张图片，一共分为四类（树木，电力塔架，四旋翼，房屋）。严格按照voc2007格式制作，直接用与深度学习目标检测与识别算法（faster rcnn，yolo等）的训练。这是第二部分，后552张，前一部分分开上传。

  3. 所属分类：深度学习

  1. VOC2007数据集制作工具(FasterRCNN，YOLO数据集制作)

  2. 这是一个非常好用的目标检测数据集制作工具，能制作VOC2007+VOC2012格式数据集，目前生成的XML文件里面都是绝对路径，所以请将图片数据集放到合适文件夹下面

  3. 所属分类：深度学习

    • 发布日期：2018-07-26
    • 文件大小：12mb
    • 提供者：havefun00

  1. camvid数据集训练的配置文件

  2. 用于mask rcnn训练camvid数据集的配置文件。实现了配置类，数据类、load mask等函数，实现了训练函数，修改了从Python2到Python3的一些bug。

  3. 所属分类：深度学习

    • 发布日期：2020-05-09
    • 文件大小：14kb
    • 提供者：suiyuan2009

  1. cat.tar.gz

  2. 目标检测数据集，使用labelimg标记，猫数据集，包含影像标记xml，以及分类test和train四类txt文件。可用于进行目标检测相关网络如faster rcnn，ssd的学习使用数据

  3. 所属分类：深度学习

    • 发布日期：2019-09-01
    • 文件大小：3mb
    • 提供者：babyzbb636

  1. cat+plane.tar.gz

  2. 目标检测数据集，使用labelimg标记，有飞机和猫两类，包含影像标记xml，以及分类test和train四类txt文件。可用于进行目标检测相关网络如faster rcnn，ssd的学习使用数据

  3. 所属分类：深度学习

    • 发布日期：2019-09-01
    • 文件大小：5mb
    • 提供者：babyzbb636

  1. raccon.tar.gz

  2. 目标检测数据集，使用labelimg标记，200张小浣熊数据集，包含影像标记xml，以及分类test和train四类txt文件。可用于进行目标检测相关网络如faster rcnn，ssd的学习使用数据

  3. 所属分类：深度学习

    • 发布日期：2019-09-01
    • 文件大小：13mb
    • 提供者：babyzbb636

  1. 分类好的17flowers dataset

  2. 在进行目标检测时，采用RCNN网络，为了减少计算量，选取17 Category Flower Dataset，而不是使用 PASCAL VOC 2012 数据集，选择的花是英国的一些普通花。图像具有大比例、姿势和光线变化，并且类中也有图像大变数且与其他类相似的类。

  3. 所属分类：深度学习

    • 发布日期：2020-12-28
    • 文件大小：119mb
    • 提供者：qq_43456781

  1. 2D到3D：11785深度学习课程项目：端到端2D到3D视频转换-源码

  2. 2D到3D 11785深度学习课程项目 要访问驾驶立体声数据（解压缩后的大小为77GB）： 打开一个AWS实例 aws s3 cp s3：//idl-proj-3d/driving_stereo.tar.gz ./ 焦油-xvzf Driving_stereo.tar.gz （注意：请勿将其从S3下载到AWS外部，因为这会产生大量的数据出口费用） 该目录包含一个“火车”目录，其中包含174,437个图像对，而“测试”目录则包含了7,751个图像对。 “ train”和“ test”都

  3. 所属分类：其它

  1. 面罩检测：使用YOLO网络（Darknet）和更快的R-CNN网络（PyTorch）在Google Colab中进行面罩检测-源码

  2. 面罩检测 使用YOLO网络（Darknet）和更快的R-CNN网络（PyTorch）在Google Colab中进行面罩检测。 检测到3类：正确佩戴的口罩，错误佩戴的口罩和未佩戴的口罩。 设置和执行YOLO： 在您的Google云端硬盘中创建名为yolov3的文件夹 下载数据集（ ， ） 执行jupyter Notebook 对于测试，请执行detection_utils.py或对视频进行检测，请执行detect_video.py您可以使用video_converter.py从视频创建

  3. 所属分类：其它

  1. 改进Faster RCNN模型在棉花异性纤维识别中的应用

  2. 采用深度学习方法对棉花中的异性纤维进行分类识别。首先建立异性纤维数据集,针对异性纤维尺寸和形状多样性的特点,采用基于Faster RCNN的目标识别框架,以RseNet-50代替原始的VGG16作为异性纤维分类模型的特征提取网络,并采用k-means++聚类算法对候选框生成尺寸进行改进;然后对模型进行训练,实现棉花中异性纤维的分类和定位。训练后的模型在验证集上的准确率达到94.24%,精度为98.16%,召回率为95.93%,精确率和召回率的调和平均数(F1分数)为0.970。对比改进前、后模型

  3. 所属分类：其它