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. VGG_ILSVRC_16_layers_fc_reduced.caffemodel

  2. SSD预训练模型

  3. 所属分类：其它

    • 发布日期：2017-05-07
    • 文件大小：48byte
    • 提供者：waydong

  1. 使用YOLOv3模型训练自己的数据集

  2. 使用YOLOv3模型训练自己的数据集，在Ubuntu16.04下面已经能够成功运行，下载使用好了给个好评，O(∩_∩)O谢谢

  3. 所属分类：机器学习

    • 发布日期：2018-04-02
    • 文件大小：4kb
    • 提供者：qr1987

  1. voc0712训练的ssd模型 mAP=0.77

  2. voc0712 训练的ssd模型，mAP值为77%，网络结构是作者开源的ssd代码的标准的ssd 300*300的网络

  3. 所属分类：深度学习

    • 发布日期：2018-05-05
    • 文件大小：100mb
    • 提供者：meihuashan_hust

  1. object detection预训练模型ssd

  2. object detection预训练模型之一的ssd模型，它是最简单常用的模型之一

  3. 所属分类：深度学习

    • 发布日期：2018-05-20
    • 文件大小：122mb
    • 提供者：qq_29153321

  1. caffe-SSD网络预训练模型

  2. 这是一个SSD网络的预训练模型，在训练网络的时候你可能需要他

  3. 所属分类：深度学习

    • 发布日期：2018-08-23
    • 文件大小：76mb
    • 提供者：qlulibin

  1. SSD抽取权重

  2. SSD检测网络抽取权重，用于生成更好的预训练模型，加快收敛速度。

  3. 所属分类：Python

    • 发布日期：2018-02-02
    • 文件大小：6kb
    • 提供者：jesse_mx

  1. VGG_ILSVRC_16_layers_fc_reduced.caffemodel.txt

  2. 在weiliu89的ssd模型训练过程中必须要是用到vggnet的预训练模型。 weiliu89项目地址：https://github.com/weiliu89/caffe/tree/ssd

  3. 所属分类：深度学习

    • 发布日期：2019-08-23
    • 文件大小：67byte
    • 提供者：wangjie5540

  1. 基于SSD-MobileNet的矿工安保穿戴设备检测系统

  2. 针对因矿山人员流动复杂性导致监管困难及因下井人员安全意识不强导致不能有效穿戴安保设备等问题，设计了基于SSD-MobileNet的矿工安保穿戴设备检测系统。将SSD算法的特征提取网络VGG16替换成MobileNet网络，构建了SSD-MobileNet算法模型；按照VOC2007数据集标准制作矿工安保穿戴设备的照片数据集，对SSD-MobileNet算法模型进行训练；采用SSD-MobileNet算法识别矿工8件安保穿戴设备（安全帽、防尘面具、工作服、工作靴、手电筒、自救器、定位卡、防砸背夹）

  3. 所属分类：其它

  1. ssd pytorch版 手把手源码（包括模型、代码、和数据）

  2. 物体检测模型SSD的源码，包括数据、代码、训练模型。环境：Python3.8； pytorch1.5。

  3. 所属分类：深度学习

  1. ssd300模型训练代码.py

  2. SSD训练过程中的关键点是如何将ground truth信息和网络预测输出的信息匹配上，一旦信息匹配上就能端到端的训练了（这里可以理解为预测值和GT值为loss function的两个输入，需要进行相应值的转换才才能符合loss function的输入标准）。 匹配策略： 在SSD的训练过程中，当预测bbox和任一gt bbox的jaccard overlap（IOU值）大于0.5时都被当做正样本（由于图像中GT很少，目的是防止负样本过多这个样本过少，学习难度大），其实即使是这样训练过程中由于g

  3. 所属分类：深度学习

    • 发布日期：2019-07-13
    • 文件大小：18kb
    • 提供者：weixin_40255359

  1. SSD-Caffe models_VGGNet_VOC0712Plus_SSD_512x512.tar.gz

  2. 1、SSD算法已训练好的模型，找国外同学下载的官方模型，基于VOC2007+VOC2012训练的版本，包括SSD512已训练的模型。 models_VGGNet_VOC0712Plus_SSD_512x512.tar.gz 注意：此为ssd-caffe模型 2、对应的官方下载地址 We have provided the latest models that are trained from different datasets. To help reproduce the results i

  3. 所属分类：深度学习

    • 发布日期：2019-07-01
    • 文件大小：96mb
    • 提供者：ping0214

  1. SSD-Tensorflow-master.zip

  2. 利用tensorflow训练自己的SSD模型参数，并进行识别，这里包含自己训练的数据，便于实现。此文件包含训练权重数据，可在本博客资源中下载。

  3. 所属分类：深度学习

    • 发布日期：2020-06-09
    • 文件大小：494mb
    • 提供者：OEMT_301

  1. keras版本SSD目标检测模型H5文件，

  2. keras版本SSD目标检测模型H5文件，用于模型训练和测试。包含SSD300的权重文件。

  3. 所属分类：Python

    • 发布日期：2020-07-14
    • 文件大小：147byte
    • 提供者：weixin_38582851

  1. SSD训练最后一个权重

  2. 单阶段目标检测算法SSD网络模型训练的最后一个权重，可以用它直接进行预测评估。

  3. 所属分类：互联网

    • 发布日期：2020-10-20
    • 文件大小：100mb
    • 提供者：Anne332

  1. 一步一步带你训练自己的SSD检测算法

  2. 目录一、前言二、实现细节1、前提条件2、数据标注2.1 Labelme2.1.1 工具特点简介2.1.2 工具安装2.1.3 工具使用简介2.2 LabelImg2.2.1 工具安装2.2.2 工具使用简介3、标签预处理3.1 PASCAL VOC数据集格式详解3.2 构造新的PASCAL VOC数据集3.3 COCO数据集格式详解3.4 构造新的COCO数据集4、搭建SSD运行环境5、修改代码训练网络5.1 代码架构详解5.2 修改网络配置参数5.3 修改VOC类别参数5.4 下载模型5.5

  3. 所属分类：其它

  1. SSD_Realization_TensorFlow:基于开源SSD的重构，简化了代码结构-源码

  2. SSD_Realization_TensorFlow 使用 数据准备 将VOC2012数据解压到文件夹VOC2012中，注意检查下一级目录包含注解文件夹和JPEGImages文件夹。 生成TFR压缩数据 使用jupyter运行tfr_generate.ipynb ，使用TFR格式压缩图片对于提升训练速度大有替代益 训练模型 调用脚本即可 python train_ssd_network.py 测试运行 进入eval目录，运行： python show_ssd_network.py 在该脚本中有

  3. 所属分类：其它

    • 发布日期：2021-03-23
    • 文件大小：79kb
    • 提供者：weixin_42110533

  1. pytorch-ssd:源程序来自于：https-源码

  2. 本代码在原作者的基础上增加了部分功能，主要用于个人学习ssd流程：补充部分：（１）原程序无法在断网的情况下进行初始化网络，原因在于加载vgg16预训练模型的时候从torchvision.models.vgg16正在加载，需要联网，本程序将model.py中的这三行代码keys（））更改为：vgg16_model_path ='pretrained / vgg16-397923af.pth'pretrained_state_dict =火炬负载（vgg16_model_path）pretraine

  3. 所属分类：其它

    • 发布日期：2021-03-23
    • 文件大小：20mb
    • 提供者：weixin_42143161

  1. Face-Mask-Detection:该项目使用的是不戴口罩的不同人的图像数据集。 然后将其用于使用SSD创建深度学习模型并检查准确性和验证分数-源码

  2. 面膜检测 该项目使用的是不戴口罩的不同人的图像数据集。 然后将其用于创建深度学习模型，并检查准确性和验证分数。 什么是SSD？ ！[SSD架构]（ ） SSD代表Single Shot Multibox Detector。 它是一种用于使用单个深度神经网络检测图像中对象的技术。 基本上，它用于图像中的对象检测。 通过使用VGG-16体系结构的基本体系结构，SSD能够在速度和准确性方面胜过YOLO和Faster R-CNN等其他对象检测器。 下图给出了SSD的体系结构。 从头开始训练SSD模

  3. 所属分类：其它

  1. myvision：基于计算机视觉的机器学习训练数据生成工具-源码

  2. 描述 MyVision是免费的在线图像注释工具，用于生成基于计算机视觉的ML训练数据。 它在设计时充分考虑了用户，提供了加快标记过程并帮助维护具有大型数据集的工作流的功能。 产品特点 绘制边界框和多边形以标记对象： 多边形操作丰富了其他功能，可以编辑，删除和添加新点： 支持的数据集格式： 为对象添加注释可能是一项艰巨的任务……您可以跳过所有繁琐的工作，并使用经过预先训练的机器学习模型为您自动添加对象注释。 MyVision利用流行的“ COCO-SSD”模型生成图像的边界框，并通过在浏览器

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：59mb
    • 提供者：weixin_42127937

  1. pytorch 实现模型不同层设置不同的学习率方式

  2. 在目标检测的模型训练中， 我们通常都会有一个特征提取网络backbone， 例如YOLO使用的darknet SSD使用的VGG-16。 为了达到比较好的训练效果， 往往会加载预训练的backbone模型参数， 然后在此基础上训练检测网络， 并对backbone进行微调， 这时候就需要为backbone设置一个较小的lr。 class net(torch.nn.Module): def __init__(self): super(net, self).__init__()

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：35kb
    • 提供者：weixin_38685694
« 12 3 4 »