文件名称：context-rcnn-d2:“上下文R-CNN的实现
文件大小：31KB
文件格式：ZIP
更新时间：2024-04-26 19:48:10
Python
上下文R-CNN 在对象检测库的顶部，。 此实现利用了Detectron2开箱即用的许多功能：多种主干架构选项（例如C4，FPN），使用COCO文件轻松设置，轻松进行分布式培训，Tensorboard日志记录，Pytorch本机混合精度培训等。 环境设定 在开发过程中使用了Detectron2 0.3，Pytorch 1.6和CUDA 10.1。 欢迎使用PR处理新版本的PR，尤其是Detectron2。 对于绝对有效的环境- conda create -n contextrcnn python=3.7 conda activate contextrcnn pip install -r requirements.txt -f \ https://dl.fbaipublicfiles.com/detectron2/wheels/cu101/torch1.6/index.html
【文件预览】：
context-rcnn-d2-main
----models()
--------README.md(35B)
----configs()
--------COCO-Detection()
--------Base-Context-RCNN-FPN.yaml(2KB)
--------Base-RCNN-C4.yaml(431B)
--------Base-RCNN-FPN.yaml(1KB)
--------Base-Context-RCNN-C4.yaml(646B)
----scripts()
--------train.py(8KB)
--------preprocess.py(3KB)
----setup.py(176B)
----README.md(5KB)
----context_rcnn()
--------train.py(3KB)
--------config.py(703B)
--------roi_heads.py(9KB)
--------data.py(15KB)
--------__init__.py(0B)
--------predict.py(1KB)
--------rcnn.py(7KB)
--------eval.py(3KB)
--------preprocess.py(8KB)
--------attention.py(4KB)
----data()
--------README.md(32B)