文件名称：l-曲线matlab代码-lcnn_batch_processing:该代码已针对项目进行了修改
文件大小：2.34MB
文件格式：ZIP
更新时间：2024-06-13 02:41:37
系统开源
l-曲线矩阵代码运行批处理程序，只需导航到demo.py文件所在的目录，并写上“ python demo.py -d 0 config / wireframe.yaml config / 190418-201834-f8934c6-lr4d10-312k.pth.tar图片在终端 L-CNN —端到端线框解析 该存储库包含该论文的官方PyTorch实现： ，，。 ICCV 2019 。 介绍 是一个概念简单却有效的神经网络，用于从给定图像中检测线框。 它在很大程度上优于以前的最新线框和线检测器。 我们希望该存储库可以作为该领域未来研究的易于复制的基准。 主要结果 定性措施 神经网络 地面真相 在本文中可以找到更多随机抽样的结果。 量化措施 下表报告了上的几个线框和线检测器的性能指标。 上海科技（sAP 10 ） 上海科技（AP H ） 上海科技（F H ） 上海科技（mAP J ） / 52.0 61.0 / 24.4 69.5 77.2 23.3 5.1 67.8 72.6 40.9 神经网络 62.9 82.8 81.2 59.3 精确调用曲线 代码结构 下面是每个文件功能的快速概
【文件预览】：
lcnn_batch_processing-master
----process.py(4KB)
----matlab()
--------correspondPixels.mexa64(110KB)
--------eval_release.m(3KB)
--------correspondPixels.mexmaci64(107KB)
----train.py(5KB)
----results()
--------README(1B)
----images()
--------image(1B)
----eval-sAP.py(2KB)
----eval-mAPJ.py(5KB)
----dataset()
--------york.py(6KB)
--------wireframe.py(7KB)
----config()
--------wireframe.yaml(1KB)
----LICENSE(1KB)
----demo.py(8KB)
----README.md(10KB)
----post.py(4KB)
----eval-APH.py(4KB)
----lcnn()
--------config.py(134B)
--------box.py(39KB)
--------models()
--------metric.py(7KB)
--------utils.py(2KB)
--------datasets.py(4KB)
--------postprocess.py(2KB)
--------__init__.py(79B)
--------trainer.py(12KB)
----misc()
--------gdrive-download.sh(285B)
--------draw-wireframe.py(4KB)
--------lsd.py(937B)
--------plot-sAP.py(8KB)
----.gitignore(69B)
----carryout.txt(97B)
----figs()
--------000452_AFM.png(424KB)
--------000452_LSD.png(416KB)
--------000452_GT.png(456KB)
--------000452_LCNN.png(456KB)
--------PR-sAP10.svg(235KB)
--------PR-APH.svg(76KB)
--------000452_WF.png(421KB)