文件名称：然而，另一种有效的Det-Pytorch：通过实时SOTA性能和预先训练的权重来重新实现官方有效det的pytorch
文件大小：6.61MB
文件格式：ZIP
更新时间：2024-03-19 20:52:49
detection pytorch object-detection efficientnet efficientdet
另一个高效的Det Pytorch 具有SOTA实时性能的官方的pytorch重新实现，原始论文链接： ://arxiv.org/abs/1911.09070 训练有麻烦吗？ 我可以帮你训练 如果您在训练数据集时遇到麻烦，并且愿意与公众共享数据集或该数据集已经开放，请将其发布在带有help wanted标签的问题上，如果我有空，我可能会尝试为您进行培训，这是不能保证的。 要求： 数据集的图像总数不应大于10K，容量应小于5GB，并且应免费下载，即baiduyun。 数据集应采用此仓库的格式。 如果您将数据集发布到此仓库中，则它对世界开放。 因此，请不要上传您的机密数据集！ 如果数据集违反法律或侵犯了个人隐私，请随时与我联系以将其删除。 最重要的是，除非我愿意，否则您不能要求我训练。 我将训练后的权重与评估结果一起发布到此回购中。 希望它对想尝试使用pytorch的有效方
【文件预览】：
Yet-Another-EfficientDet-Pytorch-master
----efficientdet()
--------config.py(3KB)
--------utils.py(5KB)
--------model.py(18KB)
--------loss.py(8KB)
--------dataset.py(5KB)
----train.py(14KB)
----utils()
--------sync_batchnorm()
--------utils.py(12KB)
----backbone.py(4KB)
----efficientnet()
--------utils.py(13KB)
--------model.py(10KB)
--------utils_extra.py(3KB)
--------__init__.py(169B)
----efficientdet_test.py(5KB)
----res()
--------alipay.jpg(173KB)
----benchmark()
--------coco_eval_result(9KB)
----LICENSE(7KB)
----efficientdet_test_videos.py(4KB)
----test()
--------img.png(3.89MB)
--------img_inferred_d0_official.jpg(406KB)
--------img_inferred_d0_this_repo.jpg(959KB)
--------img_inferred_d0_this_repo_0.jpg(959KB)
----coco_eval.py(5KB)
----tutorial()
--------train_birdview_vehicles.ipynb(154KB)
--------train_shape.ipynb(55KB)
--------train_logo.ipynb(189KB)
----.gitignore(2KB)
----readme.md(16KB)
----projects()
--------shape.yml(494B)
--------logo.yml(558B)
--------coco.yml(2KB)
--------birdview_vehicles.yml(524B)