文件名称：隐式格式的MATLAB代码-Object-Detector:对象检测器
文件大小：6.65MB
文件格式：ZIP
更新时间：2024-06-11 01:42:00
系统开源
隐式格式的MATLAB代码对象检测器 它检测给定图像中的目标对象，然后在边界框中指定它们。 它在后端使用了Faster RCNN，它是从ruotianluo的pytorch-faster-rcnn存储库派生的。 在这里，使用自定义数据集（PascalVOC2007格式）代替标准数据集进行训练。 它允许灵活地使用带有我们自己的图像和类的数据集，这些图像和类可能与标准数据集不同。 编写的代码使用来自MATLAB的图像和.mat标签文件（在图像注释后创建）创建自定义数据集。 也可以一次使用多个图像文件夹转换为数据集。 转换代码还处理一些特殊情况，例如-ve批注值，非jpeg图像（在创建xml文件时出现问题）以及在特定图像文件夹中缺少类。 完整的程序和要求已在下面指定。 对pytorch-faster-rcnn存储库进行了一些更改，以使其适用于该项目， 在./data下添加了VOCdevkit2007。 这为sotom数据集提供了基本结构（必须先决条件中的说明进行显式添加） 对位于./lib/datasets下的pascal_voc.py所做的更改。 所做的更改与用于培训的类和某些数据库参数一
【文件预览】：
Object-Detector-main
----docker()
--------Dockerfile.cuda-7.5(1KB)
--------Dockerfile.cuda-8.0(1KB)
----experiments()
--------scripts()
--------cfgs()
----create_lists.ipynb(14KB)
----lib()
--------layer_utils()
--------datasets()
----create.ipynb(9KB)
----tools()
--------test_net.py(4KB)
--------trainval_net.py(5KB)
--------convert_from_tensorflow.py(3KB)
--------demo.ipynb(6.94MB)
--------demo.py(5KB)
--------demo_all_bboxes.py(9KB)
--------reval.py(2KB)
--------convert_from_tensorflow_vgg.py(3KB)
--------convert_from_tensorflow_mobile.py(3KB)
--------_init_paths.py(324B)
----README.md(10KB)
----sep.ipynb(143KB)
----create_random.ipynb(12KB)
----output_info.csv(4KB)
----data()
--------imgs()
--------scripts()
--------demo()
----XMLconvert.ipynb(40KB)
----exp.csv(678KB)
----.gitignore(156B)