├── train.py: 以fcn_resnet50(这里使用了Dilated/Atrous Convolution)进行训练 ├── train_multi_GPU.py: 针对使用多GPU的用户使用 ├── predict.py: 简易的预测脚本,使用训练好的权重进行预测测试 ├── transforms.py: 图像的数据增强预处理方法 ├── validation.py: 利用训练好的权重验证/测试数...
目录前言一.FCN网络二.网络创新点 前言 在图像分割领域,有很多经典的网络,如MASK R-CNN,U-Net,SegNet,DeepLab等网络都是以FCN为基础进行设计的。我们这里简单介绍一下这个网络。一.FCN网络 FCN即全卷积网络,是收割端对端的针对像素级预测的端对端的全卷积网络。这里全卷积的意思就是将分类网络的全...
YOLOACT的网络结构，由ResNet101+FPN结构组成，之后，一路分支使用“FCN”来生成prototype masks，此时，...
使用的代码faster-rcnn.pytorch重要参考CNN目标检测(一):Faster RCNN详解基於Resnet的Faster R-CNN網絡模型重要参数coco: 使用的数据集coco数据集achor数量为3*4=12个(P, Q):没有resize之前的原始图像大小.(M, N): 输入到网络的图像, 是resize之后的图像大小.重要数据 im_data:图 ...
resnet.py shufflenetv2.py squeezenet.py swin_transformer.py vgg.py vision_transformer.py ops prototype transforms tv_tensors __init__.py _internally_replaced_utils.py _meta_registrations.py _utils.py extension.py utils.py .clang-format
self.backbone.load_state_dict(torch.load("../model_data/resnet50_backbone_weights.pth")) ...
使用的代码faster-rcnn.pytorch重要参考CNN目标检测(一):Faster RCNN详解基於Resnet的Faster R-CNN網絡模型重要参数coco: 使用的数据集coco数据集achor数量为3*4=12个(P, Q):没有resize之前的原始图像大小.(M, N): 输入到网络的图像, 是resize之后的图像大小.重要数据 im_data:图 ...
"backbone": "resnet101", "freeze_bn": false, "freeze_backbone": false } }, "train_loader": { "type": "VOC", "args":{ "data_dir": "/home/ytc/VOC", "batch_size":16, "base_size": 400, "crop_size": 380, "augment": true, ...