文件名称：HRNet-Image-Classification:在ImageNet上训练HRNet模型
文件大小：169KB
文件格式：ZIP
更新时间：2024-06-14 07:14:47
imagenet image-classification high-resolution-net hrnets Python
用于图像分类的高分辨率网络（HRNets） 消息 [2021/01/20]添加一些更强大的ImageNet预训练模型，例如HRNet_W48_C_ssld_pretrained.pth达到top-1 acc的83.6％。 [2020/03/13] TPAMI接受了我们的论文：。 根据要求，我们提供两种小型HRNet模型。 #parameters和GFLOP与ResNet18相似。 使用这两个小型模型的细分结果也可从。 TensoFlow实现可在。 谢谢 ！ 修复问题后启用了ONNX导出。 谢谢！ 介绍 这是的官方代码。 我们使用下图所示的分类头来扩充HRNet。 首先，将四分辨率特征图输入瓶颈，并将输出通道数分别增加到128、256、512和1024。 然后，我们通过输出256个通道的2步3x3卷积对高分辨率表示进行下采样，并将其添加到第二个高分辨率表示中。 重复此过程两次，以小分
【文件预览】：
HRNet-Image-Classification-master
----requirements.txt(135B)
----experiments()
--------cls_hrnet_w18_sgd_lr5e-2_wd1e-4_bs32_x100.yaml(1KB)
--------cls_hrnet_w32_sgd_lr5e-2_wd1e-4_bs32_x100.yaml(1KB)
--------cls_hrnet_w18_small_v1_sgd_lr5e-2_wd1e-4_bs32_x100.yaml(1KB)
--------cls_hrnet_w64_sgd_lr5e-2_wd1e-4_bs32_x100.yaml(1KB)
--------cls_hrnet_w44_sgd_lr5e-2_wd1e-4_bs32_x100.yaml(1KB)
--------cls_hrnet_w40_sgd_lr5e-2_wd1e-4_bs32_x100.yaml(1KB)
--------cls_hrnet_w30_sgd_lr5e-2_wd1e-4_bs32_x100.yaml(1KB)
--------cls_hrnet_w18_small_v2_sgd_lr5e-2_wd1e-4_bs32_x100.yaml(1KB)
--------cls_hrnet_w48_sgd_lr5e-2_wd1e-4_bs32_x100.yaml(1KB)
----LICENSE(1KB)
----tools()
--------_init_paths.py(595B)
--------valid.py(4KB)
--------train.py(7KB)
----README.md(7KB)
----lib()
--------core()
--------models()
--------utils()
--------config()
----figures()
--------cls-hrnet.png(94KB)
--------hrnet.png(42KB)
--------cls-head.png(7KB)