文件名称：retinanet-examples：通过端到端GPU优化实现快速，准确的对象检测
文件大小：98KB
文件格式：ZIP
更新时间：2024-02-25 17:48:44
python deep-learning neural-network pytorch object-detection
NVIDIA对象检测工具包（ODTK） 端到端GPU优化可实现快速准确的单级对象检测。 描述 ODTK是具有各种骨架和检测头的单发物体检测器。 这允许在性能/准确性之间进行权衡。 它针对使用以下内容的端到端GPU处理进行了优化： 具有支持的深度学习框架 NVIDIA 用于混合精度和分布式培训 NVIDIA 可优化数据预处理 NVIDIA 提供高性能推理 NVIDIA 用于优化的实时视频流支持 旋转边界框检测 现在，此仓库支持旋转边界框检测。 有关如何使用--rotated-bbox命令的更多信息，请参见和文档。 边界框注释由[x, y, w, h, theta] 。 性能 检测流水线允
【文件预览】：
retinanet-examples-master
----.dockerignore(118B)
----Dockerfile(102B)
----Dockerfile.deepstream(1KB)
----CONTRIBUTING.md(503B)
----LICENSE(1KB)
----setup.py(1KB)
----README.md(8KB)
----TRAINING.md(9KB)
----csrc()
--------extensions.cpp(8KB)
--------engine.cpp(9KB)
--------engine.h(3KB)
--------calibrator.h(6KB)
--------cuda()
--------plugins()
----INFERENCE.md(5KB)
----.gitignore(184B)
----retinanet()
--------train.py(8KB)
--------box.py(18KB)
--------data.py(19KB)
--------utils.py(6KB)
--------main.py(14KB)
--------model.py(12KB)
--------loss.py(958B)
--------infer.py(7KB)
--------dali.py(9KB)
--------backbones()
----CHANGELOG.md(3KB)
----extras()
--------deepstream()
--------cppapi()
--------test.sh(1KB)