文件名称：德科
文件大小：2.29MB
文件格式：ZIP
更新时间：2024-03-24 05:54:47
Python
DetCo：用于对象检测的无监督对比学习 消息 稀疏的RCNN + DetCo通过3x + ms的训练从45.0 AP改善到46.5 AP（+1.5）。 请参阅详细信息。 预先训练的砝码已发布。 强调 密集预测任务的最新传输性能。 与使用COCO 1x计划的Mask RCNN-C4 / FPN / RetinaNet上的监督ImageNet预训练相比，改进了1.6 / 1.2 / 1.0 AP。 全面改进大多数实例级检测和语义分割任务。 管道 表演节目 安装 与相同。 代号 前置任务预训练 快来了。 转移到下游任务 我们提供有关COCO的培训脚本，因为COCO的性能比VOC和Cityscapes更稳定。 请参阅表3-5和表13中的结果。 我们提供12k，90k和180k迭代的Mask RCNN-C4，Mask RCNN-FPN和RetinaNet。 首先，您需要将model（.p
【文件预览】：
DetCo-main
----.gitignore(1KB)
----.DS_Store(6KB)
----README.md(3KB)
----imgs()
--------pipeline.png(85KB)
--------other_res2.png(195KB)
--------vis.png(817KB)
--------res_coco.png(256KB)
--------res2_coco.png(243KB)
--------vis2.png(720KB)
----benchmarks()
--------dist_test_svm_pretrain.sh(817B)
--------srun_test_svm_epoch.sh(745B)
--------srun_train_linear.sh(865B)
--------svm_tools()
--------dist_train_linear.sh(739B)
--------dist_test_svm_epoch.sh(773B)
--------extract_info()
--------srun_test_svm_pretrain.sh(832B)
--------detection()
--------srun_train_semi.sh(775B)
--------dist_train_semi.sh(633B)
----tools_local()
--------dist_test_coco.sh(1KB)