文件名称：find-wally:“ Wally在哪里？”的深度学习解决方案。
文件大小：51.18MB
文件格式：ZIP
更新时间：2024-05-22 14:23:56
Python
更新2018.07.08 ：现在可以使用最新版本的RetinaNet。 寻找沃利 沃利在哪里？ 受的启发而来的求解器， 是使用以ResNet50为骨干）实现的，并在COCO数据集上进行了预训练。 该脚本基于Tadej的以及的。 我介绍了一些更改，以允许在单个图像中进行多次检测（如下面的Wally + Wenda所示）； 这是因为该模型对Wally的尺寸非常敏感，因此我在训练注释中包括了他所有较大的外观（不是拼图本身的一部分）。 用法 python find_wally.py PATH_TO_MODEL PATH_TO_IMAGE_1 PATH_TO_IMAGE_2... 图像一次显示一次。 如果未提供图像路径，则脚本将从training + validation目录中随机选择一个图像，然后从测试目录中随机选择另一个图像。 可以从下载模型文件。 笔记： 每张图像在CPU上的检测时间约
【文件预览】：
find-wally-master
----csv()
--------annotations.csv(1KB)
--------classes.csv(8B)
--------val_annotations.csv(158B)
----images()
--------8.jpg(1.28MB)
--------27.jpg(188KB)
--------26.jpg(691KB)
--------15.jpg(816KB)
--------14.jpg(3.97MB)
--------2.jpg(568KB)
--------1.jpg(1.35MB)
--------6.jpg(1.62MB)
--------25.jpg(216KB)
--------28.jpg(187KB)
--------3.jpg(1.18MB)
--------35.jpg(124KB)
--------5.jpg(1.48MB)
--------34.jpg(117KB)
--------19.jpg(562KB)
--------21.jpg(1MB)
--------11.jpg(2.83MB)
--------4.jpg(1.52MB)
--------36.jpg(316KB)
--------23.jpg(4.03MB)
--------10.jpg(876KB)
--------22.jpg(387KB)
--------24.jpg(3.32MB)
--------33.jpg(34KB)
--------17.jpg(1.03MB)
--------18.jpg(695KB)
--------13.jpg(606KB)
--------16.jpg(691KB)
--------32.jpg(25KB)
--------29.jpg(585KB)
--------12.jpg(413KB)
--------9.jpg(1.26MB)
--------20.jpg(2.32MB)
--------7.jpg(1.04MB)
--------30.jpg(1.33MB)
--------31.jpg(96KB)
----find_wally.py(2KB)
----LICENSE(1KB)
----results()
--------wallywenda.png(1.27MB)
----test_images()
--------8.jpg(1.56MB)
--------2.jpg(1.54MB)
--------1.jpg(1.17MB)
--------6.jpg(1.67MB)
--------3.jpg(1.65MB)
--------5.jpg(1.01MB)
--------4.jpg(1.34MB)
--------7.jpg(1.84MB)
----.gitignore(39B)
----README.md(3KB)