UDA4POC:植物器官计数的无监督域适应

【文件属性】：
文件名称：UDA4POC:植物器官计数的无监督域适应
文件大小：183.4MB
文件格式：ZIP
更新时间：2021-05-29 11:05:55
JupyterNotebook 植物器官计数的无监督域适应 (UDA4POC) 该存储库包含为我们在 ECCV 2020 Workshop on COMPUTER VISION PROBLEMS IN PLANT PHENOTYPING (CVPPP 2020) 上发表的论文编写的代码。 此外，该存储库包含一个开源户外小麦小穗注释数据集。 纸： 我们使用了域对抗神经网络 (DANN) 。 我们通过用用于密度图估计的 U-Net 网络替换主分类网络来定制提出的网络 提出的领域对抗神经网络由两个网络组成，在 Conv1 和 Conv8 之间共享权重。 下采样子网、上采样子网和域分类器分别用蓝色、红色和绿色框表示。 红色箭头显示渐变反转层 训练 我们的模型完全使用 Pytorch 框架实现。 使用批处理大小为8的模型进行训练。将训练集中的输入图像调整为256×256像素。 在存储库中，我们包含了从我们论文中提出的实验中

【文件预览】：
UDA4POC-master
----baseline_train.py(4KB)
----Notebooks()
--------UDA4POC evaluation CropQuant .ipynb(527KB)
--------UDA4POC ACID to CQ.ipynb(1.18MB)
----README.md(5KB)
----data_loader.py(5KB)
----Images()
--------baseline.gif(675KB)
--------sample_image.png(1.28MB)
--------input.png(636KB)
--------sample_output.png(186KB)
--------UNet-DA.png(447KB)
--------adapted.gif(1.07MB)
----weights()
--------CVPPP2Komatsuna.pth(54.22MB)
--------acid_to_GWD.pth(54.22MB)
--------acid_to_CropQuant.pth(54.22MB)
--------acid_baseline.pth(29.42MB)
----baseline.py(5KB)
----model.py(6KB)
----train.py(5KB)