文件名称：cross-domain-detection:通过渐进域自适应进行跨域弱监督对象检测[Inoue +，CVPR2018]
文件大小：1.86MB
文件格式：ZIP
更新时间：2024-06-14 22:11:13
chainer object-detection cross-domain weakly-supervised-learning domain-adaptation
通过渐进域自适应进行跨域弱监督对象检测 这页是针对出现在CVPR2018。 您也可以找到该论文的。 这是我们的水彩图像结果示例。 要求 Python 3.5+ Chainer 3.0+ ChainerCV 0.8 杯状2.0+ OpenCV 3+ Matplotlib 请安装所有库。 我们建议使用pip install -r requirements.txt 。 下载模型 请转到models和datasets目录，然后按照说明进行操作。 用法 有关参数的更多详细信息，请参阅-h选项或实际代码。 使用训练有素的模型进行演示 python demo.py input/watercolor_142090457.jpg output.jpg --gpu 0 --load models/watercolor_dt_pl_ssd300 评估训练有素的模型 python eval_mo
【文件预览】：
cross-domain-detection-master
----helper.py(1KB)
----models()
--------download.sh(128B)
--------README.md(413B)
----dets_watercolor.png(1.51MB)
----lib()
--------label_file.py(2KB)
--------voc_io.py(5KB)
----train_model.py(9KB)
----requirements.txt(277B)
----input()
--------comic_14480155.jpg(234KB)
--------watercolor_142090457.jpg(122KB)
----dataset.py(4KB)
----eval_model.py(2KB)
----pseudo_label.py(3KB)
----datasets()
--------prepare.sh(232B)
--------prepare_dt.sh(165B)
--------prepare_dt_pl.sh(279B)
--------README.md(2KB)
----demo.py(1KB)
----README.md(3KB)
----opt.py(246B)