Advertisement

mobilenet-v1-ssd-0_675.7z

  • 5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：7Z

简介：
基于PyTorch的SSD预训练模型为mobilenet-v1-ssd-mp-0_675.pth

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • MobileNet V1-V3系列
    优质
    MobileNet V1-V3系列是一系列由Google开发的轻量级卷积神经网络模型，旨在提供高效的计算资源利用和快速的推断速度，广泛应用于移动设备和嵌入式视觉应用。 MobileNet网络是由Google团队在2017年提出的，专注于移动端或嵌入式设备中的轻量级CNN网络。相比传统的卷积神经网络，在准确率略有下降的情况下大大减少了模型参数与运算量（相比于VGG16的准确率降低了0.9%，但其模型参数仅为VGG16的1/32）。MobileNet v2则是在CVPR 2018年提出的，相较于MobileNet v1在提高准确率的同时进一步减小了模型体积。而MobileNet v3发布于ECCV 2019年，在v3版本中结合了v1版的深度可分离卷积、v2版的Inverted Residuals和Linear Bottleneck，并新增了SE模块，同时利用NAS（神经结构搜索）技术来优化网络配置与参数。
  • MobileNet SSD框架详解
    优质
    简介：本文详细解析了MobileNet SSD框架，探讨其在目标检测领域的应用与优势，适合对深度学习和计算机视觉感兴趣的读者。 该文档详细介绍了MobileNet-SSD的网络模型，能够实现目标检测功能，并适用于移动设备上的通用计算机视觉任务，例如车辆车牌检测、行人检测等。它具有速度快、模型小且效率高等优点。
  • MobileNet SSD模型文件
    优质
    MobileNet SSD是一种轻量级深度学习模型，专门用于移动设备上的实时目标检测任务。此模型结合了MobileNet的高效性和SSD算法的速度与准确性。 MobileNet SSD模型文件包括二进制文件、描述文件和标签文件。
  • 车辆检测中的 Mobilenet-SSD
    优质
    《车辆检测中的Mobilenet-SSD》：本文探讨了基于轻量级深度学习模型Mobilenet-SSD在实时车辆检测中的应用。通过优化算法，实现了高效且准确的车辆识别系统，适用于智能交通监控和自动驾驶领域。 mobilenet ssd 车辆检测 caffe
  • Mobilenet-YOLO-Pytorch:涵盖mobilenet系列（v1，v2，v3...）及yolo系列（yolov3...）
    优质
    Mobilenet-YOLO-Pytorch是一个基于PyTorch框架开发的项目，集成了多种高效的轻量级模型和目标检测算法，包括Mobilenet v1/v2/v3及Yolov3等。 Mobilenet-YOLO-Pytorch 与我之前的项目相似，其损失函数与原始实现非常接近。该模型使用PyTorch实现了基于MobileNet的YOLO检测网络，并在VOC2007（包含07+12）数据集上进行了训练和测试。预训练图像网络未采用Coco。 以下是不同配置的结果： - MobileNetV2：352分辨率，精度为71.2 - MobileNetV3 要开始使用这个项目，请按照以下步骤操作： 1. 下载并解压VOCdevkit数据集（如果已存在该数据集，则可以跳过此步）。 2. 运行脚本以创建lmdb文件：`sh scripts/create.sh` 3. 开始训练模型：`sh scripts/train.sh` 演示版本可以通过执行相应的下载命令来获取，并将其保存在$ Mobilenet-YOLO-Pytorch / check目录中。
  • 基于Mobilenet SSD的行人检测（MobileNet_SSD_Pedestrian_Detection）
    优质
    本项目采用轻量级深度学习模型Mobilenet结合SSD算法实现高效准确的行人检测。模型在保证低计算资源消耗的同时，具备快速响应和高精度识别能力，在智能监控等领域具有广泛应用前景。 基于Mobilenet SSD的行人检测模型使用了加州理工学院步行者数据集进行训练。该模型采用Caffe框架下的Mobilenet SSD实现。
  • Mobilenet-SSD的Caffe实现及相关资源
    优质
    本项目提供Mobilenet-SSD模型的Caffe版本实现及预训练模型，包含详细的使用文档和示例代码，适用于移动设备上的实时目标检测任务。 Mobilenet-SSD的Caffe系列实现相关附件资源
  • SSD-MobileNet模型的实时物体检测.txt
    优质
    本文介绍了SSD-MobileNet模型，一种轻量级且高效的深度学习算法，在保证准确度的同时大幅提升了物体检测任务中的实时性。 这段内容包含了MobileNetSSD_deploy.caffemodel、MobileNetSSD_deploy.prototxt文件以及基于SSD-MobileNet模型的实时对象检测源码和视频素材。具体实现效果可以在相关博客文章“DNN系列4_SSD-MobileNet模型实时对象检测”中查看。