【文件属性】：
文件名称：densecap, 在 Torch 中，密集的图像字幕.zip
文件大小：8.45MB
文件格式：ZIP
更新时间：2022-10-07 17:04:59
开源
densecap, 在 Torch 中，密集的图像字幕 DenseCap这是纸的代码。DenseCap: 用于密集字幕的完全卷积本地化网络，，，，，，。( * 等捐赠)在 CVPR 2016 ( 口语)本文针对计算机在图像中检测对象的问题进行了研究，并用自然语言对它的进行了描述，并
【文件预览】：
densecap-master
----train_opts.lua(4KB)
----models.lua(1KB)
----.gitignore(45B)
----densecap()
--------box_utils.lua(17KB)
--------net_utils.lua(5KB)
--------optim_updates.lua(2KB)
--------LocalizationLayer.lua(23KB)
--------vis_utils.lua(3KB)
--------DataLoader.lua(9KB)
--------modules()
--------utils.lua(4KB)
--------DenseCapModel.lua(17KB)
--------LanguageModel.lua(12KB)
----evaluate_model.lua(2KB)
----README.md(9KB)
----eval()
--------.gitignore(38B)
--------README.md(3KB)
--------eval_utils.lua(10KB)
--------meteor_bridge.py(3KB)
----run_model.lua(6KB)
----test()
--------.gitignore(20B)
--------MakeAnchors_test.lua(1KB)
--------BoxSampler_test.lua(9KB)
--------MakeBoxes_test.lua(8KB)
--------BoxRegressionCriterion_test.lua(1KB)
--------nms_test.lua(4KB)
--------BoxToAffine_visual_test.ipynb(2.13MB)
--------DenseCapModel_test.lua(1KB)
--------BilinearRoiPooling_test.lua(4KB)
--------BoxIoU_test.lua(3KB)
--------BoxToAffine_test.lua(2KB)
--------InvertBoxTransform_test.lua(3KB)
--------ApplyBoxTransform_test.lua(2KB)
--------evaluation_test.lua(2KB)
--------BoxSamplerHelper_test.lua(3KB)
--------LanguageModel_test.lua(4KB)
--------clip_boxes_test.lua(2KB)
--------run_all.lua(692B)
--------LocalizationLayer_test.lua(3KB)
--------box_conversion_test.lua(716B)
--------BatchBilinearSamplerBHWD_test.lua(5KB)
--------ReshapeBoxFeatures_test.lua(2KB)
----vis()
--------jquery-1.8.3.min.js(91KB)
--------README.md(527B)
--------view_results.html(6KB)
--------utils.js(3KB)
--------d3.min.js(143KB)
--------data()
--------style.css(807B)
----webcam()
--------.gitignore(50B)
--------README.md(732B)
--------outputs()
--------server.py(2KB)
--------web-client.html(1KB)
--------single_machine_demo.lua(7KB)
--------daemon.lua(3KB)
--------web-client.js(7KB)
--------requirements.txt(341B)
--------inputs()
--------simple_https_server.py(721B)
----imgs()
--------resultsfig.png(6.29MB)
--------chrome_ssl_screen.png(60KB)
--------elephant.jpg(75KB)
----extract_features.lua(3KB)
----scripts()
--------download_pretrained_model.sh(227B)
--------download_models.sh(286B)
--------setup_eval.sh(233B)
----LICENSE.md(1KB)
----preprocess.py(16KB)
----doc()
--------FLAGS.md(8KB)
--------INSTALL.md(2KB)
----train.lua(7KB)
----info()
--------densecap_splits.json(764KB)