文件名称：simple-faster-rcnn-pytorch:更快的R-CNN
文件大小：1.98MB
文件格式：ZIP
更新时间：2024-03-27 05:23:21
JupyterNotebook
快速R-CNN的简单快速实现 1.简介 [更新：]我将代码进一步简化为pytorch 1.5，torchvision 0.6，并用来自torchvision的ops roipool和nms替换了自定义的ops roipool和nms。 如果您想要旧版本的代码，请检出分支 该项目是基于和其他的简化的快速R-CNN实现。 我希望它可以作为那些想了解Faster R-CNN详细信息的人的入门代码。 目的是： 简化代码（简单胜于复杂） 使代码更直接（扁平比嵌套更好） 匹配报告的性能（速度计数和mAP问题） 它具有以下功能： 它可以作为纯Python代码运行，不再需要构建事务。 这是在大约2000行有效代码中的最少实现，其中包含大量注释和说明。（由于chainercv的出色文档） 与原始实施相比，它实现了更高的mAP（0.712 VS 0.699） 它可实现与其他实现方式相当的速度
【文件预览】：
simple-faster-rcnn-pytorch-master
----README.MD(8KB)
----nohup.out(760KB)
----misc()
--------train_fast.py(4KB)
--------demo.jpg(120KB)
--------convert_caffe_pretrain.py(729B)
----data()
--------voc_dataset.py(5KB)
--------__pycache__()
--------dataset.py(4KB)
--------util.py(9KB)
--------__init__.py(0B)
----output.png(363KB)
----model()
--------__pycache__()
--------faster_rcnn_vgg16.py(5KB)
--------__init__.py(52B)
--------region_proposal_network.py(8KB)
--------faster_rcnn.py(11KB)
--------utils()
----train.py(5KB)
----__pycache__()
--------trainer.cpython-35.pyc(8KB)
--------trainer.cpython-37.pyc(8KB)
----demo.py(954B)
----LICENSE(2KB)
----imgs()
--------visdom-fasterrcnn.png(462KB)
--------model_all.png(330KB)
--------faster-speed.jpg(113KB)
----trainer.py(9KB)
----requirements.txt(117B)
----demo.ipynb(686KB)
----README.md(29B)
----utils()
--------vis_tool.py(7KB)
--------__pycache__()
--------array_tool.py(619B)
--------eval_tool.py(12KB)
--------__init__.py(600B)
--------config.py(2KB)