文件名称：matlab口罩识别代码-MetaMaskTrack:元掩码跟踪
文件大小：150KB
文件格式：ZIP
更新时间：2024-07-02 08:52:31
系统开源
matlab口罩识别代码引用自 MaskTrack 蒙版跟踪 这是视频对象分割中最先进的方法的基线，例如和[用于多对象跟踪的清醒数据梦想] ()。 中排名前三的方法基于 MaskTrack 方法。 但是，没有可用于 MaskTrack 方法的开源代码。 这里我提供了 MaskTrack 方法，其规格如下： 该代码在 DAVIS 2017 测试开发数据集上给出了 0.466 的分数。 J 均值是 0.440，F 均值是 0.492。 该代码处理 DAVIS 2017 中存在的多个对象。 还包括用于在 DAVIS 17 train+val 上进行离线训练和在 DAVIS 17 test 上进行在线训练的 matlab 中的数据生成代码。 因此，所有代码都打包在一起。 入门 用于测试的机器配置： 两块“GeForce GTX 1080 Ti”卡，每块 11GB 内存。 CPU RAM 内存 32 GB（虽然只需要大约 11 GB） 离线训练是在 DAVIS 2017 训练数据上完成的。 在线训练和测试在 DAVIS 2017 测试数据集上完成。 我建议使用 conda 来下载和管理环境。 下
【文件预览】：
MetaMaskTrack-master
----online_train_epoch_10.sh(3KB)
----training()
--------get.py(1KB)
--------mysgd2.py(4KB)
--------deeplab_resnet.py(9KB)
--------train_online.py(18KB)
--------deeplab_resnet_env.yml(3KB)
--------train_offline.py(20KB)
--------train_online_epoch_10.py(18KB)
--------train_online2.py(18KB)
--------mysgd.py(4KB)
--------deeplab_resnet.pyc(11KB)
--------dataloaders()
--------dataloaders_temp()
--------onlinesgd.pyc(4KB)
--------path.pyc(1KB)
--------utility_functions.pyc(12KB)
--------path.py(503B)
--------train_offline_backup.py(18KB)
--------originalsgd.py(4KB)
--------mysgd2.pyc(4KB)
--------normalizer.pyc(3KB)
--------utility_functions.py(12KB)
--------onlinesgd.py(4KB)
--------mysgd.pyc(4KB)
--------exp.py(1KB)
--------util()
--------originalsgd.pyc(4KB)
--------normalizer.py(2KB)
--------get.pyc(2KB)
----models17_DAVIS17_test()
--------lr_0.0025_wd_0.0001()
----models17_DAVIS17_test_epoch_2()
--------lr_0.0025_wd_0.0001()
----models17_DAVIS17_test_epoch_10()
--------lr_0.0025_wd_0.0001_several2()
----LICENSE(1KB)
----models17_DAVIS17_test_iter_100()
--------lr_0.0025_wd_0.0001()
----online_train.sh(3KB)
----generating_masks()
--------offline_training()
--------online_training()
----.gitignore(23B)
----README.md(4KB)