Advertisement

SSDLite_MobileNet_V2

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


简介:
SSDLite_MobileNet_V2是一种轻量级的目标检测模型,基于MobileNet V2架构改进而来,特别适用于移动设备和嵌入式视觉应用。 SSDLite_Mobilenet_V2数据集读取方法如下: 1)对于VOC格式的数据集,只需指定vocdata集的路径,并且该路径下的文件结构应为: ├─JPEGImages ├─Annotations ├─ImageSets └─Main ├─trainval.txt └─test.txt └─labels.txt 文件说明如下: - JPEGImages: 保存图片 - Annotations: 保存标注文件,格式为xml - trainval.txt和test.txt:分别包含训练集和测试集的图像名列表。 - labels.txt:用于存放数据集中所有类别的名称。 默认设置: 输入图片尺寸:300 * 300 输入图片归一化参数:均值127,方差128 IOU阈值设定为:0.45 SSD输出特征图大小分别为[19, 10, 5, 3, 2, 1]。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • SSDLite_MobileNet_V2
    优质
    SSDLite_MobileNet_V2是一种轻量级的目标检测模型,基于MobileNet V2架构改进而来,特别适用于移动设备和嵌入式视觉应用。 SSDLite_Mobilenet_V2数据集读取方法如下: 1)对于VOC格式的数据集,只需指定vocdata集的路径,并且该路径下的文件结构应为: ├─JPEGImages ├─Annotations ├─ImageSets └─Main ├─trainval.txt └─test.txt └─labels.txt 文件说明如下: - JPEGImages: 保存图片 - Annotations: 保存标注文件,格式为xml - trainval.txt和test.txt:分别包含训练集和测试集的图像名列表。 - labels.txt:用于存放数据集中所有类别的名称。 默认设置: 输入图片尺寸:300 * 300 输入图片归一化参数:均值127,方差128 IOU阈值设定为:0.45 SSD输出特征图大小分别为[19, 10, 5, 3, 2, 1]。