文件名称：CenterNet:我们的论文代码“ CenterNet
文件大小：1.55MB
文件格式：ZIP
更新时间：2024-04-21 03:58:42
object-detection one-stage keypoint-triplets Python
，，，，， 此处提供了训练和评估建议的CenterNet的代码。 有关更多技术细节，请参考我们的。 感谢提供了的原始实施。 CenterNet是一种从头开始进行训练的一级检测器。 在MS-COCO数据集上，CenterNet的AP达到47.0％，超过了所有已知的一级检测器，甚至非常接近性能最高的二级检测器。 抽象的 在对象检测中，基于关键点的方法通常会遭受大量不正确的对象边界框的困扰，这可能是由于缺少对裁剪区域的额外外观所致。 本文提出了一种有效的解决方案，它以最小的成本探索了每个裁剪区域内的视觉模式。 我们基于具有代表性的基于角点的一阶段基于关键点的检测器来构建我们的框架。 我们的名为CenterNet的方法将每个对象检测为三个关键点，而不是一对关键点，从而提高了准确性和查全率。 因此，我们设计了两个定制的模块，分别称为级联拐角池和中心池，它们分别起到充实由左上角和右下角收集的信息并
【文件预览】：
CenterNet-master
----Table2.png(184KB)
----Table3.png(108KB)
----train.py(7KB)
----utils()
--------__init__.py(123B)
--------tqdm.py(545B)
--------image.py(2KB)
----config.py(5KB)
----external()
--------nms.c(548KB)
--------__init__.py(0B)
--------setup.py(368B)
--------Makefile(56B)
--------nms.pyx(9KB)
--------.gitignore(160B)
----db()
--------base.py(2KB)
--------datasets.py(65B)
--------detection.py(3KB)
--------coco.py(7KB)
--------__init__.py(0B)
----models()
--------CenterNet-52.py(4KB)
--------CenterNet-104.py(4KB)
--------__init__.py(0B)
--------py_utils()
----test.py(3KB)
----Network_Structure.jpg(568KB)
----conda_packagelist.txt(7KB)
----config()
--------CenterNet-52.json(1020B)
--------CenterNet-104-multi_scale.json(1KB)
--------CenterNet-52-multi_scale.json(1KB)
--------CenterNet-104.json(1020B)
----LICENSE(1KB)
----test()
--------coco.py(14KB)
--------__init__.py(0B)
----README.md(7KB)
----sample()
--------utils.py(3KB)
--------coco.py(8KB)
--------__init__.py(0B)
----Table1.png(594KB)
----data()
--------coco()
----nnet()
--------py_factory.py(4KB)
--------__init__.py(0B)