文件名称：orchard:使用Mask-RCNN在ACFR数据集上进行水果检测
文件大小：452KB
文件格式：ZIP
更新时间：2024-04-09 21:13:11
Python
果园中的水果检测 使用，在进行。 要求 硬件 Nvidia GPU具有3.x到7.5之间的计算能力以及至少8GB的专用内存。 软件 NVidia驱动程序与CUDA 10.x兼容。 最新的Docker版本。 Nvidia容器工具包。 开发主机 该演示是在具有以下规格的笔记本电脑上开发和测试的： 处理器：Intel（R）CoreTM i9-8950HK CPU @ 2.90GHz。 内存：32GB DDR4 2667。 GPU：GeForce RTX 2070 Mobile。 Nvidia驱动程序版本440.64（支持CUDA 10.2）。 Docker版本20.10.1，内部版本831ebeae96。 Nvidia容器工具包版本1.3.0。 设置容器 第一步包括克隆此存储库。 git clone https://github.com/mruizve/orchard.git 在进入
【文件预览】：
orchard-main
----setup.py(340B)
----.gitignore(32B)
----Dockerfile(3KB)
----cudnn()
--------README.md(229B)
----samples()
--------testing.ipynb(566KB)
--------training.ipynb(28KB)
----LICENSE(26KB)
----.gitmodules(86B)
----scripts()
--------install.sh(666B)
--------download_acfr_dataset.sh(475B)
--------setup.sh(3KB)
----README.md(5KB)
----weights()
--------mask_rcnn_orchard.h5(134B)
----Mask_RCNN()
----references()
--------2017_Bargoti__deep_fruit_detection_in_orchards.pdf(132B)
--------2020_Halstead__fruit_detection_in_the_wild.pdf(132B)
--------2018_Halstead__fruit_quantity_and_quality_estimation_using_a_robotic_vision_system.pdf(132B)
--------2016_Inkyu__deepFruits_a_fruit_detection_system_using_dnn.pdf(133B)
----.gitattributes(500B)
----orchard()
--------training.py(5KB)
--------__init__.py(0B)
--------utils.py(1KB)
--------config.py(2KB)
--------dataset.py(5KB)
--------testing.py(2KB)