文件名称：RefineDet-plus-plus.PyTorch
文件大小：3.9MB
文件格式：ZIP
更新时间：2024-04-23 14:17:54
高性能实现。 对齐卷积是通过可变形卷积实现的，并引用了的基线。 三个锚点的对齐卷积由三个分支实现，代码的细节可能与原始的不同。 对准卷积具有精确计算出的偏移量，而不是经学习的偏移量，是解决1.5级目标检测方法中的特征未对准问题的良好解决方案 目录 主要特点 对齐卷积 多尺度测试 具有bn层的VGG主干 ResNet和ResNeXt主干 320、512和1024输入大小 模型架构的消融 可可格式数据集的PR曲线 原始的RefineDet模型。 表现 VOC2007测试 地图 拱 纸 我们的PyTorch版本 RefineDet512 ++ 82.5％ 81.86％ RefineDet512 ++毫秒 84.2％ 84.00％ ms：多尺度测试，通过使用预训练的vgg进行训练可获得结果。 （雷达图像的远程舰船检测数据集） 可可AP 拱 我们的PyTorch版本 RefineD
【文件预览】：
RefineDet-plus-plus.PyTorch-master
----models()
--------refinedet_bn.py(20KB)
--------__init__.py(0B)
--------refinedet_bn_wo_AlignConv.py(18KB)
--------refinedet_res.py(18KB)
--------refinedet_bn_wo_AlignConv_RefinedAnchor.py(17KB)
--------refinedet_bn_wo_AlignConv_RefinedAnchor_FusedFeature.py(16KB)
----results.py(8KB)
----eval_refinedet_coco.py(25KB)
----train_refinedet_ablation.py(14KB)
----data()
--------example.jpg(137KB)
--------coco.py(12KB)
--------__init__.py(1KB)
--------voc0712.py(16KB)
--------config.py(4KB)
--------scripts()
----eval_refinedet_voc07.py(23KB)
----train_refinedet320.sh(102B)
----LICENSE(1KB)
----eval_refinedet_voc07_ablation.py(24KB)
----ablation.sh(1KB)
----layers()
--------functions()
--------box_utils.py(12KB)
--------__init__.py(48B)
--------modules()
----eval_refinedet_voc.py(16KB)
----doc()
--------SSD.jpg(47KB)
--------detection_example.png(365KB)
--------detection_example2.png(319KB)
--------detection_examples.png(1.96MB)
--------ssd.png(71KB)
----run.sh(926B)
----.gitignore(152B)
----eval_refinedet.sh(125B)
----demo()
--------live.py(3KB)
--------__init__.py(0B)
--------demo.ipynb(1.26MB)
----README.md(5KB)
----utils()
--------build.py(5KB)
--------augmentations.py(13KB)
--------nms()
--------logger.py(876B)
--------nms_wrapper.py(1KB)
--------osutils.py(214B)
--------__init__.py(42B)
----plot_curve.py(7KB)
----train_refinedet.py(14KB)
----make.sh(105B)
----train_refinedet512.sh(102B)