【文件属性】:
文件名称:retinanet-keras:这是一个retinanet-keras的源码,可以用于训练自己的模型
文件大小:5.31MB
文件格式:ZIP
更新时间:2021-05-16 08:22:20
Python
Retinanet:目标检测模型在Keras当中的实现
目录
性能情况
训练数据集
权值文件名称
测试数据集
输入图片大小
mAP 0.5:0.95
mAP 0.5
COCO-Train2017
COCO-Val2017
1333x1333
32.2
53.2
所需环境
tensorflow-gpu==1.13.1
keras==2.1.5
文件下载
训练所需的resnet50_coco_best_v2.1.0.h5可以在百度云下载。
链接:
提取码: i8w8
VOC数据集下载地址如下:
VOC2007+2012训练集
链接: 提取码: eiw9
VOC2007测试集
链接: 提取码: dsda
预测步骤
a、使用预训练权重
下载完库后解压,在百度网盘下载resnet50_coco_best_v2.1.0.h5,放入model_data,运行predict.py,输入
img/st
【文件预览】:
retinanet-keras-master
----video.py(1KB)
----retinanet.py(8KB)
----img()
--------street.jpg(437KB)
----FPS_test.py(4KB)
----logs()
--------README.md(24B)
----test.py(361B)
----nets()
--------resnet.py(5KB)
--------retinanet.py(7KB)
--------retinanet_training.py(10KB)
--------layers.py(954B)
----train.py(6KB)
----Vision_For_prior.py(4KB)
----predict.py(1KB)
----get_map.py(33KB)
----voc_annotation.py(2KB)
----LICENSE(1KB)
----get_gt_txt.py(3KB)
----get_dr_txt.py(5KB)
----model_data()
--------simhei.ttf(9.3MB)
--------coco_classes.txt(625B)
----VOCdevkit()
--------VOC2007()
----README.md(5KB)
----常见问题汇总.md(20KB)
----utils()
--------utils.py(14KB)
--------anchors.py(3KB)
--------backend()