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. ResNet代码

  2. ResNet 的pytorch实现方法 包括resnet50 resnet101 resnet161

  3. 所属分类：机器学习

    • 发布日期：2019-03-27
    • 文件大小：7kb
    • 提供者：qq_32277963

  1. resnet101.rar

  2. resnet101.prototxt 和 resnet101.caffemodel 来源：https://github.com/KaimingHe/deep-residual-networks中提供的OneDrive链接

  3. 所属分类：深度学习

    • 发布日期：2019-08-30
    • 文件大小：159mb
    • 提供者：qq_21653747

  1. Mask_RCNN-源码

  2. 遮罩R-CNN用于目标检测和分割 这是基于Python 3，Keras和TensorFlow的的实现。该模型为图像中对象的每个实例生成边界框和分割蒙版。它基于功能金字塔网络（FPN）和ResNet101主干网。 该存储库包括： 基于FPN和ResNet101构建的Mask R-CNN的源代码。 MS COCO的培训代码 MS COCO的预训练砝码 Jupyter笔记本电脑可在每个步骤可视化检测管线 用于Multi-GPU训练的ParallelModel类 评估MS COCO指标（AP） 在自己

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：73mb
    • 提供者：weixin_42140716

  1. fcos-gluon-cv:FCOS-源码

  2. FCOS：完全卷积一阶段对象检测 这是 风格的的非官方实现，我们在完全 API中实现了这种无锚框架，请继续关注！ 主要结果 模型 骨干 火车尺寸 批量大小 AP（值） fcos_resnet50_v1_coco ResNet50-V1 800 1个 -- fcos_resnet50_v1b_coco ResNet50-V1b 800 1个 33.1 fcos_resnet101_v1d_coco ResNet101-V1d 800 1个 37.5 注意：有待更新。 安装

  3. 所属分类：其它

  1. Deep-Neural-Network-based-parking-system:使用Fastai库训练了基于Resnet101的汽车和空置空间分类器。 与laplacian操作员结合使用，可自动管理停车-源码

  2. 基于深度神经网络的停车系统 特征： （第1课）用于训练基于Resnet101的深度神经网络分类器，该分类器对空白区域和小汽车进行分类 拉普拉斯算子给出边并使用其密度检查停车位的状态，然后每当停车位的状态发生任何变化时，都会在该停车位处引入分类器，以确定其是否为汽车并改变停车位的颜色指示它是被占用还是空 使用OpenCV并使用其内置功能，以观察其效率 尝试了一些计算机视觉技术，例如背景减法，核扩散和变形 使用Google colab编写的代码易于使用，并使没有GPU的人能够使用Google的慷慨

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：24mb
    • 提供者：weixin_42098830

  1. ResnetGPT:用Resnet101 + GPT构建一个玩王者荣耀的AI-源码

  2. 基于pytorch框架用resnet101加GPT构建AI玩王者荣耀 本源码模型主要用了的源码的解码部分。以及pytorch自带的预训练模型“resnet101-5d3b4d8f.pth” 注意运行本代码需要注意以下几点注意！！！！！ 1，目前这个模型在用后裔100多局对战数据下训练出来后，对局表现出各种送人头之类的问题，以及代码本身各种不规范，请多原谅。 2，本代码本来只是我试验模型能否玩王者荣耀，B站朋友强烈要求开源。仓促开源估计问题很多，请多原谅。三，运行环境win10； win7未测试

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：483kb
    • 提供者：weixin_42100032

  1. 识别游戏：DNN分类器竞赛-源码

  2. ACSE 4.4-机器学习小型项目 识别游戏 此处提供所有信息： : 该项目旨在将具有3个RGB通道的64 * 64图片分类为200个类别。 当提供10000张未标记的图片作为测试数据时，提供了100000张带有标签的训练图片。 尝试在一些成熟的神经网络模型上进行转移学习，验证精度为0.35-0.824。 最后，我们决定将前4个模型组合在一起，并在排行榜上获得前3个出色的0.841准确性。 组合模型的工作流程： 使用的模型（带有ML的DenseNet代码和集成代码进行演示记录）： 整

  3. 所属分类：其它

  1. CNN_classification_feature_extraction：PyTorch中的CNN模型用于分类和特征提取-源码

  2. CNN_classification_feature_extraction 该存储库是pytorch中用于分类和特征提取的CNN的实现。 Pytorch预训练的模型已被用于其解释。 该代码支持数据并行性和多GPU，提早停止和类权重。 此外，您可以选择加载预训练的权重（在ImageNet数据集上进行训练）或使用随机权重从头开始训练。 预训练的模型结构在最后一层有1000个节点。 此代码将所有模型的最后一层修改为可与每个数据集兼容。 可以使用以下模型： 'resnet18', 'resne

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：19kb
    • 提供者：weixin_42152298

  1. 删除-bg-源码

  2. Mask R-CNN用于目标检测和分割 这是基于Python 3，Keras和TensorFlow的的实现。 该模型为图像中对象的每个实例生成边界框和分割蒙版。 它基于功能金字塔网络（FPN）和ResNet101主干网。 该存储库包括： 基于FPN和ResNet101构建的Mask R-CNN的源代码。 MS COCO的培训代码 MS COCO的预训练砝码 Jupyter笔记本电脑可在每个步骤可视化检测管线 用于Multi-GPU训练的ParallelModel类 评估MS COCO指标（

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：73mb
    • 提供者：weixin_42110533

  1. ClassActivationMaps：在PyTorch中实现类激活图-源码

  2. PyTorch中的类激活图 如标题为的论文中所述，类激活映射的实现 输入 CAM（猫） CAM（鹅） 支持的Torchvision型号 在编写CAM时，只能使用以下代码从Torchvision生成以下模型： 网路18 资源34 资源50 resnet101 resnet152 用法 python class_activation_map.py --model_name resnet18 --input_image data/car.jpg在results /目录中生成输出CAM覆盖

  3. 所属分类：其它

    • 发布日期：2021-02-13
    • 文件大小：38mb
    • 提供者：weixin_42140716

  1. 实时AI：ECGR 4090 2021年Spring实时人工智能-源码

  2. Real-Time-AI-2021年SpringECGR 4090 0号 问题1 如hw0p1.py中所示，运行预训练的resnet101模型。 将五张不同的图像传递到模型中，可以在运行时观察其准确性。 为了运行克隆存储库并提取维护相同的文件结构。 将hw0p1.py的第21行修改为所需的图像，即“ randomResNetPics / fan.jpg”。 从复制的大部分代码 问题2 运行预训练的resgengen以输入马图像和输出斑马图像。 运行与问题1类似的方法，并修改第93行以使用不同

  3. 所属分类：其它

  1. Adaptive-anti-Aliasing-源码

  2. 在ConvNets中深入研究抗锯齿 这项工作被BMVC2020评为最佳论文奖。 它在神经网络中引入了一个插件模块，以提高模型的准确性和一致性。 [] | [ ] | [ ] | [] | [] 进步 影像分类 实例细分 语义分割 最新消息：我已经发布了COCO的Beta版实例细分代码。 请参考maskrcnn分支 安装 torch==1.1.0 torchvision==0.2.0 数据集 下载ImageNet数据集并将验证图像移动到带标签的子文件夹中 为此，您可以使用以下脚本： :

  3. 所属分类：其它