文件名称：RFBNet:用于准确和快速对象检测的感受野块网络，ECCV 2018
文件大小：503KB
文件格式：ZIP
更新时间：2024-08-24 08:07:34
detection pytorch mobilenet rfbnet Python
用于准确和快速对象检测的感受野块网络 作者：刘松涛、黄帝、王云红 更新 (2021/07/23)：YOLOX 来 ，更强大的 YOLO，支持 ONNX、TensorRT、ncnn 和 OpenVino！ 更新：我们提出了一种在 COCO 上以 45 FPS 获得 42.4 mAP 的新方法，代码可 介绍 受人类视觉系统中感受野 (RF) 结构的启发，我们提出了一种新颖的 RF Block (RFB) 模块，该模块考虑了 RF 的大小和偏心率之间的关系，以增强特征的可辨别性和鲁棒性。 我们进一步使用轻量级 CNN 模型将 RFB 模块组装到 SSD 的顶部，构建了 RFB Net 检测器。 您可以使用代码来训练/评估 RFB 网络以进行对象检测。 有关更多详细信息，请参阅我们的。 VOC2007测试 系统 地图 FPS （泰坦 X 麦克斯韦） 73.2 7 78.6 40 80.5
【文件预览】：
RFBNet-master
----layers()
--------modules()
--------__init__.py(48B)
--------functions()
----utils()
--------box_utils.py(11KB)
--------nms_wrapper.py(935B)
--------__init__.py(0B)
--------nms()
--------timer.py(1KB)
--------pycocotools()
--------build.py(5KB)
----make.sh(104B)
----models()
--------__init__.py(0B)
--------RFB_Net_mobile.py(12KB)
--------RFB_Net_vgg.py(13KB)
--------RFB_Net_E_vgg.py(16KB)
----doc()
--------RFB.png(246KB)
----test_RFB.py(7KB)
----LICENSE(1KB)
----README.md(7KB)
----train_RFB.py(9KB)
----data()
--------config.py(2KB)
--------scripts()
--------coco.py(12KB)
--------__init__.py(254B)
--------voc_eval.py(7KB)
--------voc0712.py(13KB)
--------data_augment.py(7KB)
----.gitignore(144B)