文件名称：xcenternet:基于CenterNet（对象作为点）和TTFNet（培训时间友好的网络）的快速无锚对象检测。在TensorFlow 2.4+中实现
文件大小：1.13MB
文件格式：ZIP
更新时间：2024-04-10 06:56:44
python machine-learning computer-vision deep-learning tensorflow
修改TensorFlow 2.4及以上（或2.2，如果您使用XCenterNet标记为V1.0.0）上述tf.keras实施CenterNet对象检测在描述由兴义周，王德泉，菲利普·克雷恩布尔和TTFNet刘屠征，徐国栋，杨正，刘海峰，蔡登。有关原始实现，请参阅和。 此实现不是本文或pytorch实现的精确副本，因为我们已根据需要对其进行了修改，因此此回购协议具有一些功能： 使用tf2.2 + keras模型train_step和tf.data.dataset 使用来自tf2.3 +的tensorflow.keras.applications.efficiencynet 高效的网络和Resnet骨干网 tf.dataset的多尺度训练和扩充 添加了更强大的NMS，以获得更好的结果 无需姿势估计或3D，只需简单的物体检测 使用可变形卷积 易于在自己的数据集上进行微调，并自定义自己的图像增强，
【文件预览】：
xcenternet-master
----requirements.in(68B)
----asset()
--------result.png(969KB)
--------logo.png(10KB)
----test()
--------__init__.py(0B)
--------test_loss.py(6KB)
--------test_image_preprocessing.py(768B)
----LICENSE(1KB)
----xcenternet()
--------tensorboard()
--------model()
--------__init__.py(105B)
--------datasets()
----requirements.txt(2KB)
----LICENCE_THIRD_PARTY(35KB)
----setup.py(2KB)
----README.md(11KB)
----scripts()
--------eval.py(10KB)
--------train.py(8KB)
--------predict.py(4KB)
--------helpers()