文件名称：matlab精度检验代码-chainer-faster-rcnn:Chainer-Faster-rcnn
文件大小：21KB
文件格式：ZIP
更新时间：2024-06-10 18:53:46
系统开源
matlab精度检验代码使用Chainer的更快的R-CNN实现 正在使用Chainer代码运行实验性存储库，以运行Faster R-CNN。 该方法最初是由邵少青等人提出的。 在2016年4月撰写本文时，它在速度性能和准确性方面是性能最好的对象检测和分类算法之一。 参考 使用Chainer更快地进行R-CNN 挑战性 使用Chainer为多任务损失实现前进和后退方法。 首先，使其工作。 然后在速度方面优化性能。 如果看起来更容易，请考虑首先实施CPU版本。 出于性能原因，数据缓存可以在GPU上重用。 例如初始锚创建。 数据集 目前正在使用的数据集是MSCOCO，可以下载。 测试 使用unittest实现测试。 要运行测试，请从项目根目录运行以下命令。 python -m test. < filename without the file extension .py >
【文件预览】：
chainer-faster-rcnn-master
----train.py(3KB)
----utils()
--------profiler.py(682B)
--------anchorutils.py(4KB)
--------cupyutils.py(736B)
--------__init__.py(0B)
--------iouutils.py(8KB)
--------imgutils.py(1KB)
----.github()
--------ISSUE_TEMPLATE.md(0B)
--------PULL_REQUEST_TEMPLATE.md(141B)
--------CONTRIBUTING.md(0B)
----models()
--------vggrpn.py(4KB)
----data.py(3KB)
----VGG.py(2KB)
----test()
--------test_anchorutils.py(2KB)
--------__init__.py(0B)
--------test_basic_anchor_creation.py(2KB)
--------test_iou.py(2KB)
--------test_cupyutils.py(3KB)
----README.md(1KB)
----mscoco.py(2KB)
----load_model.py(1KB)
----data()
--------README.md(531B)
----.gitignore(26B)
----functions()
--------loss()
--------__init__.py(0B)