Advertisement

inception_model_20151205_6726825.pth

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

简介：
inception_model_20151205_6726825.pth是一个于2015年12月5日创建的深度学习模型文件，采用Inception架构，用于图像识别和分类任务。 Fréchet Inception Distance (FID score) in PyTorch所需模型文件。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • inception_model_20151205_6726825.pth
    优质
    inception_model_20151205_6726825.pth是一个于2015年12月5日创建的深度学习模型文件，采用Inception架构，用于图像识别和分类任务。 Fréchet Inception Distance (FID score) in PyTorch所需模型文件。
     
  • resnet101-reducedfc.pth、resnet50-19c8e357.pth和darknet53.pth
    优质
    这段简介涉及三个预训练模型权重文件名，分别是用于图像识别任务的ResNet101和ResNet50模型以及用于目标检测的Darknet53模型，这些模型在深度学习领域中广泛应用。 resnet101-reducedfc.pth、resnet50-19c8e357.pth 和 darknet53.pth 这些文件包含了预训练的模型权重。
     
  • pose_hrnet_w48_192x256.pth
    优质
    pose_hrnet_w48_192x256.pth 是一个预训练模型文件，用于人体姿态估计任务。该模型基于HRNet架构，权重已优化至256*192像素输入图像的最佳性能状态。 HRnet网络用于人体姿态估计的模型，在pytorch中有实现版本，其中w48_256x192的具体实现说明可以在相关项目的demo文件夹中找到。该资源之前存储在谷歌网盘上。
     
  • pose_hrnet_w32_192x256.pth
    优质
    pose_hrnet_w32_192x256.pth 是一个预训练模型文件，适用于HRNet架构，用于人体姿态估计任务，输入图像大小为192x256像素。 HRNet的官方预训练权重包含三个版本。其中一个为COCO w32 256x192（精度较低但速度更快），对应的文件名为pose_hrnet_w32_256x192.pth。
     
  • GFPGAN_v1.pth
    优质
    GFPGAN_v1.pth是GFPGAN项目中用于人脸增强任务的第一版预训练模型参数文件，能够有效提升人脸图像清晰度和自然度。 GFPGANv1.pth是一款用于图像处理的模型文件。
     
  • pose_hrnet_w48_288x384.pth
    优质
    pose_hrnet_w48_288x384.pth 是一个预训练模型文件，适用于人体姿态估计任务，基于HRNet网络架构，输入分辨率为288x384像素。 HRNet的官方预训练权重包含三个版本，其中一个为COCO w48 384x288（更准确但速度较慢），这是默认用于live_demo.py和其他脚本中的版本。该文件名为pose_hrnet_w48_384x288.pth。
     
  • fasterrcnn_resnet50_fpn_coco_258fb6c6.pth
    优质
    这是PyTorch框架下预训练的Fast R-CNN模型权重文件，基于ResNet-50 FPN架构，在COCO数据集上进行目标检测任务训练得到。 fasterrcnn_resnet50_fpn_coco-258fb6c6.pth 由于重复内容较多，实际只需保留一次文件名即可： fasterrcnn_resnet50_fpn_coco-258fb6c6.pth
     
  • GFPGAN_v1.4.pth
    优质
    GFPGAN_v1.4.pth是GFPGAN项目v1.4版本中用于人脸增强任务的一个预训练模型参数文件，能够有效提升人脸图像清晰度和自然度。 GFPGANv1.4.pth下载
     
  • 719_rank_1.pth
    优质
    这是一个经过719次迭代训练后得到的深度学习模型权重文件，表示在特定评估指标下排名为第一的最佳模型状态。 这是在大量ReID数据集上训练出的模型，可以用于展示行人重识别的效果。使用YOLO+ReID即可实现行人的检测与重识别。