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. faster_rcnn resnet50

  2. 里面的代码是faster rcnn endtoend 的代码，基于resnet50改写的

  3. 所属分类：深度学习

    • 发布日期：2019-01-09
    • 文件大小：7kb
    • 提供者：binluoyin4922

  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. ResNet-cifar10.py

  2. 程序是用python实现的。使用的是基于tensorflow的keras框架，网络结构是resnet50。数据集导入的是cifar10。效果很好。代码有详细注释。

  3. 所属分类：深度学习

    • 发布日期：2019-05-26
    • 文件大小：7kb
    • 提供者：laoxini

  1. Resnet50的pytorch实现

  2. 目前开源的一些resnet代码都是高度集成化，内部的层输出很难一一取出分析。为了能够对resnet每一层的输出都能操作，我修改了模型编写的方式，让resnet的代码的可读性提高。

  3. 所属分类：深度学习

    • 发布日期：2020-03-17
    • 文件大小：7kb
    • 提供者：jdzwanghao

  1. pytorch_gradcam_resnet50.py

  2. 代码为Grad-CAM:Visual Explanations from Deep Networks via Gradient-based Localization的复现，采用resnet50预训练网络，较好的实验了预期效果。

  3. 所属分类：深度学习

    • 发布日期：2020-01-10
    • 文件大小：11kb
    • 提供者：Superstar02

  1. res50完整源代码

  2. 基于keras的ResNet-50实现，可以结合文章https://blog.csdn.net/qq_34213260/article/details/106314320了解网络原理和实现

  3. 所属分类：深度学习

    • 发布日期：2020-05-25
    • 文件大小：6kb
    • 提供者：qq_34213260

  1. PyTorch加载预训练模型实例(pretrained)

  2. 使用预训练模型的代码如下： # 加载预训练模型 resNet50 = models.resnet50(pretrained=True) ResNet50 = ResNet(Bottleneck, [3, 4, 6, 3], num_classes=2) # 读取参数 pretrained_dict = resNet50.state_dict() model_dict = ResNet50.state_dict() # 将pretained_dict里不属于model_dict的键剔

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：32kb
    • 提供者：weixin_38605144

  1. pytorch 实现resnet模型 细节讲解

  2. Resnet50的细节讲解 残差神经网络 (ResNet)也是需要掌握的模型，需要自己手动实现理解细节。本文就是对代码的细节讲解，话不多说，开始了。 首先你需要了解它的结构，本文以resnet50围绕讲解，网络的输入照片大小是224×224的经过conv1，conv2，conv3，conv4，conv5最后在平均池化，全连接层。由于中间有重复利用的模块，所以我们需要将它们写成一个类，用来重复调用即可。 Resnet之所以能够训练那么深的原因就是它的结构，在不断向后训练的过程中依旧保留浅层特征，

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：310kb
    • 提供者：weixin_38677306

  1. 2020年2月17日笔记–记录下每天学习的内容

  2. 车辆行人重识别 数据集介绍：VeRi-776数据集和VehicleID数据集。 代码： 1、https://github.com/knwng/awesome-vehicle-re-identification collection of dataset&paper&code on Vehicle Re-Identification 2、https://github.com/Jakel21/vehicle-ReID-baseline resnet50+cross entropy loss+tri

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：158kb
    • 提供者：weixin_38725625

  1. contiguous_pytorch_params:通过将参数存储在一个连续的内存块中来加速训练-源码

  2. Pytorch的连续参数 通过将参数存储在一个连续的内存块中来加速训练。 3行代码加速您的优化器！ 该图显示了使用Adam和渐变裁剪功能在Cifar10上使用Resnet50对GPU步迹进行比较，其中包含和不包含连续参数。上面的跟踪与默认优化器一起使用，下面的跟踪与参数包装器一起使用。 使用SGD在Cifar10上对Resnet50进行步骤跟踪比较。 与Apex有什么区别？ Apex在C ++中实现了完整的优化器更新，并且仅限于受支持的优化器。该包装器允许使用任何优化器，只要它就地更新参

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：210kb
    • 提供者：weixin_42144086

  1. SSH-TensorFlow:这是SSH的TensorFlow实现-源码

  2. SSH-TensorFlow 介绍 这是的实现使用TensorFlow复制的。 这段代码是从。 先决条件 您需要兼容CUDA的GPU来训练模型。 您应该首先下载以进行人脸检测。 依存关系 TensorFlow 1.4.1 TF-超薄 Python3.6 Ubuntu 16.04 CUDA 8.0 WIDER人脸评估结果 不使用不同主干之间的图像金字塔的SSH评估结果： 骨干 简单 中等的 难的 训练方法 VGG16（原纸） 0.919 0.907 0.814 -- VGG16

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：37mb
    • 提供者：weixin_42152298

  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. DogBreedAPI:此回购包含使用ResNet50转移学习进行犬种分类的代码-源码

  2. DogBreedAPI:此回购包含使用ResNet50转移学习进行犬种分类的代码

  3. 所属分类：其它

  1. Retinaface_Detectron2:基于Detectron2的人脸检测-源码

  2. PyTorch中的RetinaFace 实现：。 Mxnet中的官方代码可以在找到。 可以在找到旧版本 使用ResNet50作为骨干网时，单规模的WiderFaceVal性能。 风格 简单 中等的 难的 我们的（原始比例） 94.14％ 92.71％ 81.13％ 依存关系 火炬> = 1.4.0 火炬视觉> = 0.4.0 python> = 3.6 安装 pip install -e。

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：105kb
    • 提供者：weixin_42165980

  1. imageclassification:深度学习-源码

  2. Keras的实用图像分类： 你好科拉布 影像分类 预训练的特征化 转移学习 基于特征的图像搜索 01 HelloColab.ipynb 基本的Colab演示 02 ImageClassification.ipynb 在这段代码中，我们将实现一个基本的图像分类器： 加载数据集（MNIST手写数字） 设计深度学习模型并检查其可学习的参数 在训练数据上训练模型并检查学习曲线 根据从未见过的测试数据评估经过训练的模型 保存模型以备后用 加载并使用模型 03 PretrainedFeatureV

  3. 所属分类：其它

  1. 聚四氟乙烯-源码

  2. 金字塔视觉变压器：适用于无卷积的密集预测的多功能骨干网 该存储库包含PyTorch评估代码，培训代码和PVT（金字塔视觉变压器）的预训练模型。 像ResNet一样，PVT是纯变压器主干，可以很容易地插入大多数下游任务模型中。 使用相当数量的参数，PVT-Small + RetinaNet在COCO数据集上达到40.4 AP，比ResNet50 + RetinNet（36.3 AP）高4.1 AP。 图1：具有不同主干的RetinaNet 1x的性能。 这个仓库的顶部开发和 。 有关详细

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：104kb
    • 提供者：weixin_42099815

  1. 深度学习模型：用于流行的深度学习模型的Keras代码和权重文件-源码

  2. 经过训练的Keras图像分类模型 此存储库已弃用。 立即使用MODULE的keras.applications 。 拉取请求将不会被审核或合并。 将任何PR keras.applications到keras.applications 。 也不监视问题。 该存储库包含以下Keras模型的代码： VGG16 VGG19 ResNet50 盗梦空间v3 CRNN用于音乐标记 所有架构都与TensorFlow和Theano兼容，并且在实例化时，将根据在~/.keras/keras.json

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：33kb
    • 提供者：weixin_42160645

  1. psg_pytorch：PointSetGen PyTorch实现-源码

  2. 实施与ImageNet-预训练ResNet50图像编码器和FC / FC-UpConv解码器 变化： 支持以视图为中心和以形状为中心的训练（以形状为中心的效果更好） 同时支持倒角距离和土方距离，因为损耗（EMD速度较慢，但​​性能要好一些） 训练10,000个地面真点可提高1K / 2K训练的性能（这类似于最近基于SDF的方法，其中通常会采样> 10,000个查询点） 要使用，请先编译cd和emd （请参阅自述文件），然后运行 bash train.sh 要下载数据，请单击下载

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：290kb
    • 提供者：weixin_42151036

  1. shoes_classification：在Keras中使用ResNet50进行简单的鞋子分类，以应对最深的Hackaton挑战-源码

  2. 鞋子分类 在Keras中使用ResNet50进行简单的鞋子分类，以进行最深的Hackaton挑战。 验证数据集的准确性达到〜77％。 它使用经过预培训的ResNet50进行迁移学习。 它解冻最后两个冗余块以进行微调。 如何使用 需要Keras和Scikit学习 运行train.py，以对数据集ResNet50进行微调。 通过适当地使用子文件夹构造图像并修改代码中的类名称，可以使用任何arbitaray图像数据集 运行inferencce.py以使用测试数据集验证模型。 下载鞋子数据集 您可

  3. 所属分类：其它

  1. keras读取h5文件load_weights、load代码操作

  2. 关于保存h5模型、权重网上的示例非常多，也非常简单。主要有以下两个函数： 1、keras.models.load_model() 读取网络、权重 2、keras.models.load_weights() 仅读取权重 load_model代码包含load_weights的代码，区别在于load_weights时需要先有网络、并且load_weights需要将权重数据写入到对应网络层的tensor中。 下面以resnet50加载h5权重为例，示例代码如下 import keras from ke

  3. 所属分类：其它

    • 发布日期：2021-01-19
    • 文件大小：538kb
    • 提供者：weixin_38752907
« 12 »