文件名称：FCOS-PyTorch-37.2AP:FCOS 37.2AP的纯炬管工具
文件大小：381KB
文件格式：ZIP
更新时间：2024-05-21 12:27:33
object-detection fcos anchor-free Python
FCOS：Pytorch实施支持PASCAL VOC和MS COCO 与此仓库类似的RetinaNet代码： : 您可以找到无锚点和锚点底座之间的区别。 AP结果 PASCAL VOC（800px） 可可（800px） 78.7（IoU.5） 37.2 要求 的OpenCVPython的 火炬> = 1.0 火炬视觉> = 0.4。 matplotlib 赛顿 numpy的= = 1.17 枕头 tqdm pycocotools 可可结果 在4辆Tesla-V100上训练coco2017，每个gpu 4 img，使用GN，*采样，GIou初始化lr = 1e-2。 您可以在下载37.2 ap结果，密码为cnwm，然后将其放入checkpoint文件夹中，然后运行coco_eval.py可以得到如下结果： Average Precision ( AP ) @[ I
【文件预览】：
FCOS-PyTorch-37.2AP-master
----.DS_Store(6KB)
----model()
--------backbone()
--------.DS_Store(6KB)
--------config.py(474B)
--------fpn_neck.py(2KB)
--------loss.py(13KB)
--------__init__.py(0B)
--------head.py(3KB)
--------fcos.py(10KB)
----detect.py(5KB)
----dataset()
--------.DS_Store(6KB)
--------COCO_dataset.py(6KB)
--------augment.py(4KB)
--------__init__.py(0B)
--------VOC_dataset.py(7KB)
----train_coco.py(3KB)
----assets()
--------000352.jpg(82KB)
--------000004.jpg(65KB)
----test_images()
--------000352.jpg(99KB)
--------000004.jpg(100KB)
----README.md(4KB)
----train_voc.py(4KB)
----coco_eval.py(7KB)
----eval_voc.py(7KB)
----checkpoint()
--------.DS_Store(6KB)