Advertisement

该文件包含resnext-101-64f-kinetics模型权重。

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

简介：
该资源包含来自 GitHub 仓库 https://github.com/kenshohara/3D-ResNets-PyTorch 的预训练模型，以及通过 Google Drive 文件夹 1zvl89AgFAApbH0At-gMuZSeQB_LpNP-M 可访问的其他相关模型。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • resnext-101-64f-kinetics模型参数文件(.pth)
    优质
    resnext-101-64f-kinetics.pth是一个预训练深度学习模型参数文件，适用于视频识别任务。该模型基于ResNeXt架构，针对Kinetics数据集优化，能够高效准确地分类和理解动作视频内容。 在GitHub项目https://github.com/kenshohara/3D-ResNets-PyTorch中提供了预训练模型，并且这些模型可以在Google Drive的指定文件夹中找到，链接为https://drive.google.com/drive/folders/1zvl89AgFAApbH0At-gMuZSeQB_LpNP-M。
     
  • YOLOv5s.pt模型权重文件
    优质
    YOLOv5s.pt是基于YOLOv5架构的小型模型版本，适用于资源受限环境下的实时目标检测任务，提供快速且准确的对象识别功能。 YOLOv5s.pt是一个模型权重文件。
     
  • yolo_weights.pth模型权重文件
    优质
    yolo_weights.pth 是YOLO (You Only Look Once) 目标检测算法的一个预训练模型权重文件，适用于各种图像识别和目标检测任务。 亲测可用，Yolo权重文件从官网下载了很久。
     
  • voc_weights_resnet.pth模型权重文件
    优质
    voc_weights_resnet.pth 是一个预训练的深度学习模型权重文件，基于ResNet架构，专为Pascal VOC数据集图像识别任务优化，适用于物体检测和分类。 缺陷检测网络DDN预训练模型是一种用于识别和定位产品或材料表面缺陷的深度学习模型。该模型通过预先在大量数据上进行训练，能够有效提升后续特定任务中的性能表现。
     
  • yolact_base_54_800000.pth模型权重文件
    优质
    yolact_base_54_800000.pth 是一个经过训练的深度学习模型权重文件，适用于实时实例分割任务。该模型基于YOLACT架构，在大规模数据集上进行了优化和训练。 yolact实例分割算法官方权重文件包括四个550 Resnet101-FPN版本，分别达到33.0和29.8的性能指标，对应的模型文件名为yolact_base_54_800000.pth。
     
  • coco_tracking模型权重文件.pth
    优质
    Coco_Tracking模型权重文件（.pth）是用于目标跟踪任务的深度学习模型参数，基于COCO数据集训练得出，适用于视频分析和监控系统中的对象追踪。 运行命令 `python demo.py tracking --load_model ../models/coco_tracking.pth --demo /path/to/image/or/folder/or/video` 来执行跟踪任务。
     
  • vgg16-397923af.pth模型权重文件
    优质
    vgg16-397923af.pth 是一个预训练的 VGG16 神经网络模型的权重文件，适用于图像分类任务，包含在 PyTorch 深度学习框架中使用。 PyTorch预训练模型vgg16-397923af.pth从官网下载速度较慢。由于torch在加载模型时会首先检查本地是否存在该文件，可以先将模型下载好并放入本地文件夹，在使用时就能快速加载模型。
     
  • darknet53.pth模型权重文件
    优质
    darknet53.pth 是DarkNet-53神经网络架构中预训练模型的权重文件，适用于图像分类任务，包含53个卷积层，广泛应用于深度学习研究和开发。 darknet53.pth
     
  • resnet50-caffe.pth模型权重文件
    优质
    resnet50-caffe.pth 是一个预训练的深度学习模型权重文件，基于ResNet50架构，适用于多种图像识别任务，兼容Caffe框架。 ResNet-50在ImageNet数据集上的Caffe预训练模型可以用于分类和目标检测等任务。
     
  • lenet_mnist模型权重文件(.pth)
    优质
    本资源为LeNet在MNIST数据集上训练所得的权重文件（.pth格式），适用于手写数字识别任务，方便快速部署与测试。 lenet_mnist_model模型参数包括了一系列用于训练手写数字识别的LeNet架构的具体配置和数值设置。这些参数定义了神经网络结构的关键方面，如卷积层、池化层以及全连接层的数量及其特性，从而确保模型能够有效地从MNIST数据集中学习并准确地进行分类任务。