文件名称：matlab中伪代码-oicr:我们的论文“具有在线实例分类器细化功能的多实例检测网络”和“PCL：用于弱监督对象检测的提案聚类学习”的Caf
文件大小：3.65MB
文件格式：ZIP
更新时间：2024-06-14 23:35:40
系统开源
matlab中伪代码具有在线实例分类器细化功能的多实例检测网络 由，，和。 提供了使用PyTorch作为后端训练和评估OICR的代码。 谢谢 ！ 我们已经发布了我们工作中的Caffe代码和PyTorch代码。 PCL是OICR的扩展，并且比OICR获得更好的性能！ 介绍 在线实例分类器细化（OICR）是使用深度ConvNets进行弱监督的对象检测的框架。 它在弱监督对象检测方面达到了最先进的性能（Pascal VOC 2007和2012）。 我们的代码是由C ++和Python基于，和编写的。 该论文已被CVPR 2017接受。有关更多详细信息，请参阅我们的。 建筑学 结果 方法 VOC2007测试图 VOC2007列车CorCor VOC2012测试图 VOC2012 Trainval CorLoc OICR-VGG_M 37.9 57.3 34.6 60.7 OICR-VGG16 41.2 60.6 37.9 62.1 OICR-Ens。 42.0 61.2 38.2 63.5 OICR-Ens。+ FRCNN 47.0 64.3 42.5 65.6 可视化 一些OICR可视化结果
【文件预览】：
oicr-master
----.gitignore(1KB)
----images()
--------architecture.jpg(247KB)
--------detections.jpg(547KB)
--------detections_compare.jpg(2.9MB)
----data()
--------scripts()
----models()
--------VGG16()
--------README.md(156B)
--------VGG_M()
----LICENSE(1KB)
----.gitmodules(90B)
----tools()
--------_init_paths.py(667B)
--------reval.py(2KB)
--------train_net.py(3KB)
--------test_net.py(3KB)
--------README.md(79B)
--------reval_discovery.py(2KB)
----caffe-oicr()
----README.md(8KB)
----lib()
--------setup.py(861B)
--------Makefile(56B)
--------datasets()
--------roi_data_layer()
--------fast_rcnn()
--------utils()
--------oicr_layer()