【文件属性】：
文件名称：ITVD_icme:改善复杂场景中的微小车辆检测，ICME，2018
文件大小：1.82MB
文件格式：ZIP
更新时间：2021-05-02 23:48:13
Python
改善复杂场景中的微小车辆检测
这是ICME 2018接受的论文的Keras实现。
介绍
在本文中，我们提出了一个用于精确车辆检测的深度网络，其主要思想是使用相对较大的特征图来生成建议，并保留ROI特征的空间布局来表示和检测小型车辆。 即使只有100个提案，最终的提案网络也能实现令人鼓舞的99％以上的召回率。 此外，与通常的做法不同，在ROI合并后会展平特征，我们认为，为了更好地检测微型车辆，应该保留ROI特征的空间布局并完全整合。 因此，我们使用多路径轻量级处理链来有效整合ROI功能，同时保留空间布局。 在具有挑战性的DETRAC车辆检测基准上进行的实验表明，该方法大大提高了竞争基准（基于ResNet50的Faster RCNN），提高了16.5％mAP。 有关更多详细信息，请参阅我们的。
依存关系
Python 2.7
脾气暴躁的
Tensorflow 1.x
凯拉斯2.0.6
O
【文件预览】：
ITVD_icme-master
----train_bfen.py(5KB)
----requirements.txt(93B)
----keras_itvd()
--------net_itvd.py(14KB)
--------nms_wrapper.py(595B)
--------RoiPoolingConv.py(4KB)
--------__init__.pyc(159B)
--------bbox_transform.py(2KB)
--------bbox_transform.pyc(3KB)
--------data_generators.py(7KB)
--------nms()
--------__init__.py(0B)
--------nms_wrapper.pyc(644B)
--------FixedBatchNormalization.py(4KB)
--------losses.pyc(9KB)
--------bbox_process.py(6KB)
--------utils()
--------data_generators.pyc(7KB)
--------config.py(1KB)
--------net_itvd.pyc(12KB)
--------RoiPoolingConv.pyc(4KB)
--------data_augment.py(14KB)
--------config.pyc(2KB)
--------FixedBatchNormalization.pyc(3KB)
--------data_augment.pyc(9KB)
--------bbox_process.pyc(7KB)
--------losses.py(4KB)
----test_det.py(3KB)
----README.md(5KB)
----train_det.py(6KB)
----.idea()
--------vcs.xml(180B)
--------inspectionProfiles()
----generate_data.py(4KB)
----docs()
--------itvd.png(99KB)
--------2018ICME-ITVD.pdf(1.71MB)