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. detr-reimplementation:用变压器重新实现FAIR的端到端对象检测-源码

  2. 重新实现DETR：使用变压器进行端到端对象检测 这是Carion，Nicolas等人的重新实现。 在Facebook AI Research。 该代码基于本文，其官方以及它们提供的示例笔记本。 重新实现的目的是在过程中重新创建和理解模型，同时简化一些代码，以使可读性和简单性优先于效率和功能。

  3. 所属分类：其它

  1. qpic:CVPR2021论文“ QPIC的回购-源码

  2. QPIC：具有图像范围的上下文信息的基于查询的成对人对象交互检测 ，裕 ）和吉永友明（Tomoaki Yoshinaga）。 该存储库包含论文“ ”的正式实现，该已被CVPR2021接受。 通过扩展最近提出的目标检测器DETR来实现QPIC。 QPIC在变压器中利用了基于查询的检测和关注机制，因此，通过简单的检测头即可实现较高的HOI检测性能。 注意地图示例。 准备 依存关系 我们的实现使用诸如NumPy和PyTorch之类的外部库。 您可以使用以下命令来解决依赖关系。 pip in

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：437kb
    • 提供者：weixin_42131633

  1. D-Drone_v2:使用计算机视觉算法检测无人机-源码

  2. D-Drone_v2 使用计算机视觉算法检测无人机。 工作完成后，所有材料都将公开。 YOLOv4 要了解作者进行的培训，请检查 数据集：[ ] 权重：[ ] 配置文件：[ ] 要使用打开的简历查看结果，请下载相应的权重和配置文件。 更改加载重量，配置文件和测试图像的路径。 YOLOv5 要了解作者进行的培训，请检查 数据集：[ ] 权重：[ ] 培训结果：[ ] 测试结果：[ ] DeTr 快来了 结果 尚未应用标准程序来获得经过训练的模型的mAP。 但是，通

  3. 所属分类：其它

  1. Deformable-DETR:可变形的DETR-源码

  2. 可变形的DETR 由，， ，，，。 该存储库是论文《可的正式实现。 介绍 TL; 博士可变形DETR是一种高效且快速收敛的端到端对象检测器。 它通过一种新颖的基于采样的有效注意力机制，缓解了DETR的高复杂性和缓慢收敛的问题。 抽象的。 最近提出了DETR，以消除物体检测中对许多手工设计组件的需求，同时表现出良好的性能。 但是，由于Transformer注意模块在处理图像特征图时的局限性，它收敛缓慢且特征空间分辨率有限。 为了缓解这些问题，我们提出了可变形DETR，其关注模块仅关注参考周围

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：388kb
    • 提供者：weixin_42121272

  1. up-detr:[CVPR2021口服]上调-源码

  2. UP-DETR ：使用变压器进行对象检测的无监督预训练 这是的官方PyTorch实施和模型： article{dai2020up-detr, author = {Zhigang Dai and Bolun Cai and Yugeng Lin and Junying Chen}, title = {UP-DETR: Unsupervised Pre-training for Object Detection with Transformers}, journal = {arX

  3. 所属分类：其它

  1. Meetingvue2-源码

  2. 玛蒂尔达·斯梅德曼（Matilda Smedman） Heroku： 升级级别： API，Systemtester和IntegrationStester，Sortera / filtrera 昂Kursinnehåll Jag tycker det har varit bra attfåjobba i vue igen。 锡克尔瓦·科德（Tycker detär）mycket smidigtsättatt skriva kodpå。 TDD har varit litesvårtat

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：135kb
    • 提供者：weixin_42169674

  1. detr：使用变压器进行端到端对象检测-源码

  2. DE⫶TR ：使用变压器进行端到端物体检测 PyTorch的DETR （ DE tection TR ansformer）训练代码和预训练模型。 我们用变压器代替了整个复杂的手工物体检测管道，并用ResNet-50匹配了Faster R-CNN，使用一半的计算能力（FLOP）和相同数量的参数在COCO上获得了42个AP 。 在PyTorch的50行中进行推断。 这是什么。 与传统的计算机视觉技术不同，DETR将对象检测作为直接设置的预测问题。 它由基于集合的全局损耗（通过二分匹配强制唯一预测）

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：239kb
    • 提供者：weixin_42122988

  1. Transformer-For-CV：适用于计算机视觉任务的Transformer应用程序摘要-源码

  2. 大事记 自然语言处理 神经网络的序列到序列学习[NIPS 2014] [] [] 端到端存储网络[NIPS 2015] [] [] 注意就是您所需要的[NIPS 2017] [] [] 乙idirectionalËncoderř对产权在T ransformers：BERT [] [] [] 改革者：高效变压器[ICLR2020] [] [] Linformer：具有线性复杂度的自我注意[AAAI2020] [] [] 简历 分类 图像价值16x16字：用于图像识别的变压器[VIT] [

  3. 所属分类：其它

  1. 对象检测DETR-源码

  2. 对象检测DETR

  3. 所属分类：其它

    • 发布日期：2021-02-08
    • 文件大小：520kb
    • 提供者：weixin_42170790

  1. tf_ResNeSt_RegNet_model:ResNeSt，RegNet，DETR的tensorflow 2.x版本-源码

  2. 介绍 目前支持tensorflow在 ResNeSt 2d＆3d RegNet DETR （修改后的分类） GENet （2020 GPU高效网络） 仅限于模型，没有可下载的pertrain模型（这意味着没有足够的空闲时间和资源）。 易于阅读和修改。 欢迎使用它，提出问题，进行测试，也许会发现一些错误。 ResNeSt基于 。 更新 2020-7-30 ：添加并基于。 纸上展示了在GPU环境下获得的良好性能，这与RegNet非常相似。 型号名称GENet_light ， GENet_n

  3. 所属分类：其它