文件名称：用卷积滤波器matlab代码-tfvos:使用Tensorflow的半监督视频对象分段（VOS）。包括*MaskRNN：实例级视频对象分割（N
文件大小：33.2MB
文件格式：ZIP
更新时间：2024-06-10 06:36:01
系统开源
用卷积滤波器matlab代码具有Tensorflow的半监督视频对象分段（VOS） 该项目的目的是使用Tensorflow来实现和比较几种视频对象分割（VOS）算法的实现。 作为的一部分，我们选择了MaskRNN：实例级视频对象分段（NIPS 2017）作为我们的第一个实现。 遮罩 发展状况 MaskRNN（第1步，共4步）：实现二进制分段网络外观流（ AStream ） MaskRNN（第2步，共4步）：实现二进制分段净流（ FStream ） MaskRNN（第3步，共4步）：实现对象本地化网络Apply MaskRNN（第3步，共4步）：实施RNN 2018年12月更新：此项目的实施尚不完整，不再处于积极开发中。 关于MaskRNN MaskRNN使用RNN，该RNN在每个帧中融合每个对象实例的两个深层网络的输出-一个提供遮罩的二进制分割网和一个提供边界框的本地化网。 据推测，递归分量和定位分量利用了视频数据中的长期时间结构，并有助于排除异常值。 这是MaskRNN架构的图示： MaskRNN Tensorflow实施 设置 此仓库中的代码是使用Anaconda3 v.4.4.0
【文件预览】：
tfvos-master
----img()
--------osvos.png(724KB)
--------maskrnn_results.png(105KB)
--------maskrnn.png(134KB)
--------davis.png(562KB)
--------vgg16.png(62KB)
--------iou.png(11KB)
--------masktrack.png(154KB)
----LICENSE(1KB)
----tfvos()
--------models()
--------davis2016_dataset_no_aug.ipynb(38.84MB)
--------fstream_offline_training.ipynb(71KB)
--------model_train.py(6KB)
--------visualize.py(4KB)
--------img()
--------optflow.py(6KB)
--------tools()
--------davis2016_dataset_with_aug.ipynb(9KB)
--------vgg16_surgery.ipynb(9KB)
--------astream_offline_training.ipynb(71KB)
--------datasets.py(43KB)
--------bboxes.py(2KB)
--------model.py(45KB)
--------model_finetune.py(3KB)
--------fstream_online_training.ipynb(28KB)
--------setup()
--------astream_online_training.ipynb(28KB)
----.gitignore(1KB)
----README.md(18KB)