文件名称：pcl.pytorch:我们论文“具有在线实例分类器细化功能的多实例检测网络”和“ PCL”的PyTorch代码
文件大小：2.03MB
文件格式：ZIP
更新时间：2024-05-18 23:16:26
Python
PCL：用于弱监督对象检测的提案聚类学习 ，，，，， ，。 这是我们PCL / OICR的PyTorch实施。 提供了PCL / OICR的原始Caffe实现。 此实现的最终性能是mAP 49.2％和CorLoc 65.0％ 使用单个VGG16模型在PASCAL VOC 2007上使用使用mAP 52.9％和CorLoc 67.2％，使用使用 54.1％和CorLoc 69.5％ 。 结果与最新技术水平相当。 请检查分支以获取较旧版本的代码。 在COCO上获得更好结果的一个小技巧：更改以return 4.0 * loss.mean() 。 更新 使用我们的提出的技巧。 使用OICR并训练更多迭代。 添加边框回归/快速R-CNN分支下面paper1和paper2 。 通过将损失代码更改为纯PyTorch代码并使用mmcv的RoI -Pooling支持PyTorch 1.6.0。
【文件预览】：
pcl.pytorch-master
----README.md(9KB)
----configs()
--------baselines()
----LICENSE(1KB)
----install.sh(618B)
----images()
--------detections_compare.jpg(1.31MB)
--------method_compare.jpg(116KB)
--------detections.jpg(238KB)
--------architecture.jpg(267KB)
----tools()
--------reeval.py(4KB)
--------train_net_step.py(16KB)
--------test_net.py(4KB)
--------_init_paths.py(429B)
--------download_imagenet_weights.py(3KB)
----lib()
--------utils()
--------roi_data()
--------datasets()
--------modeling()
--------nn()
--------model()
--------make.sh(70B)
--------ops()
--------setup.py(895B)
--------core()