文件名称：Keras实现的RetinaNet目标检测-python
文件大小：2.15MB
文件格式：ZIP
更新时间：2024-07-08 12:08:31
机器学习
Keras实现的RetinaNet目标检测 Keras RetinaNet Keras 实现 RetinaNet 对象检测，如 Tsung-Yi Lin、Priya Goyal、Ross Girshick、Kaiming He 和 Piotr Dollár 在本文中所述。 培训 可以在此处找到有关如何培训 keras-retinanet 的示例。 用法 对于 Pascal VOC 的训练，请运行：python examples/train_pascal.py 对于 MS COCO 的培训，请运行：python examples/train_coco.py 一般来说，在你自己的数据集上训练的步骤是： 通过调用 keras_retinanet.models.ResNet50RetinaNet 创建一个模型并编译它。 根据经验，已发现以下编译参数运行良好：model.compile( loss={ 'regression' : keras_retinanet.losses.regression_loss, 'classification': keras_retinanet.loss
【文件预览】：
keras-retinanet-main
----.gitignore(273B)
----setup.cfg(413B)
----keras_retinanet()
--------losses.py(5KB)
--------utils()
--------bin()
--------callbacks()
--------models()
--------layers()
--------initializers.py(1KB)
--------__init__.py(0B)
--------backend()
--------preprocessing()
----README.md(21KB)
----CONTRIBUTORS.md(1KB)
----.gitmodules(116B)
----.github()
--------stale.yml(790B)
--------ISSUE_TEMPLATE()
----tests()
--------utils()
--------bin()
--------test_losses.py(836B)
--------test-data()
--------models()
--------layers()
--------__init__.py(0B)
--------requirements.txt(119B)
--------backend()
--------preprocessing()
----examples()
--------000000008021.jpg(176KB)
--------ResNet50RetinaNet.ipynb(895KB)
--------resnet50_retinanet.py(3KB)
----LICENSE(11KB)
----snapshots()
--------.gitignore(2B)
----requirements.txt(190B)
----images()
--------coco2.png(491KB)
--------coco3.png(468KB)
--------coco1.png(269KB)
----setup.py(2KB)
----.travis.yml(439B)
----.codecov.yml(1KB)