Advertisement

目标检测算法汇总(Object Detection Algorithms Collection)

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


简介:
《目标检测算法汇总》是一份全面总结各类经典及现代目标检测技术的资源库,旨在为研究者和开发者提供一个便捷的学习与参考平台。 本段落总结了近几年来目标检测算法的相关论文PDF文档及在GitHub上的代码地址。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • (Object Detection Algorithms Collection)
    优质
    《目标检测算法汇总》是一份全面总结各类经典及现代目标检测技术的资源库,旨在为研究者和开发者提供一个便捷的学习与参考平台。 本段落总结了近几年来目标检测算法的相关论文PDF文档及在GitHub上的代码地址。
  • 思维导图(Object Detection)- XMind格式
    优质
    本资源提供了一张全面的目标检测(XMIND格式)思维导图,涵盖主流算法、技术要点及应用领域,适合机器学习和计算机视觉领域的初学者与进阶者参考学习。 目标检测思维导图及推荐阅读论文大纲已制作完成,文件格式为xmind。建议同学们下载xmind软件打开此文件。我在文件中标明了每篇论文的顶会出处、发表年份以及详细名称,希望与大家共同学习进步。
  • 基于Single Shot Multibox Detector的多视频物体(Object-Detection-SSD)
    优质
    本研究采用Single Shot Multibox Detector(SSD)算法进行多目标视频物体检测,实现快速准确地识别和定位视频中的多个对象。 对象检测固态硬盘介绍 使用Single Shot Multibox Detector(SSD)来识别视频中的多个物体。重量文件被拆分为若干部分:ssd300_mAP_77.43_v2.pth.000、ssd300_mAP_77.43_v2.pth.001、ssd300_mAP_77.43_v2.pth.002、ssd300_mAP_77.43_v2.pth.003和ssd300_mAP_77.43_v2.pth.004。加入这些文件后,可以进一步阅读有关SSD的更多信息,并查看来自SSD的演示。 要开始使用,请参考virtual_platform_windows.yml文件以创建一个虚拟平台:运行命令`conda env create -f virtual_platform_windows.yml`来完成环境设置。在updateobject_detection.py中,读者需要将代码中的imagei部分进行修改。
  • 利用TensorFlow Object Detection API实现基于SSD模型的实时
    优质
    本项目采用TensorFlow Object Detection API,结合SSD算法,在视频流中进行高效、实时的目标识别与追踪。 使用 TensorFlow Object Detection API 进行实时目标检测(基于 SSD 模型)的实验目的是实现行人识别、人脸识别以及交通灯识别等功能,并确保系统能够进行实时检测,平均帧率超过15 FPS。此外,还将利用 tflite 将模型移植到嵌入式设备上运行。
  • 经典论文
    优质
    本资源汇集了计算机视觉领域内一系列具有里程碑意义的经典目标检测论文,旨在为研究者和开发者提供一个全面的文献参考指南。 Fast R-CNN, Faster R-CNN, SSD, YOLOv1, YOLOv2, YOLOv3, and RefineDet are popular object detection models. M2Det is another model that has been introduced in recent years. These models have been extensively studied and discussed in various English research papers.
  • 红外和跟踪
    优质
    《红外目标检测和跟踪汇总》全面介绍了在复杂环境中利用红外技术进行目标自动识别与追踪的方法、最新进展及应用案例,旨在为研究者提供理论指导和技术参考。 近五年红外目标检测与跟踪方法的实现合集包括参考文献和实现代码,主要使用了matlab语言,部分采用了C语言。深度学习模型为训练好的模型,并且文件夹分门别类,便于学习。
  • 保姆级TensorFlow 2.x Object Detection API定制物体器项源码
    优质
    本项目提供详尽教程与源代码,指导初学者使用TensorFlow 2.x的Object Detection API从零开始构建和定制物体检测模型。适合希望深入理解机器视觉技术原理及应用开发人员学习。 【物体检测快速入门系列 | 01】基于Tensorflow2.x Object Detection API构建自定义物体检测器的博文配套项目源代码包括数据集标注、标签映射、标注文件格式转换脚本,训练流水线配置,训练脚本、评估脚本、导出脚本以及模型推理脚本。整套工具链涵盖了完整的自定义物体检测流程。
  • Regionlets in Generic Object Detection
    优质
    本文提出了Regionlets方法用于通用目标检测,通过在候选区域内部进行细致划分,显著提升了检测算法的准确性和鲁棒性。 Regionlets for Generic Object Detection 是一种用于通用对象检测的技术方法。这种方法旨在提高在不同场景下识别各种物体的准确性与效率。通过生成候选区域(region proposals),它能够有效减少计算复杂度,同时保持较高的召回率,从而实现对图像中目标的有效定位和分类。
  • TensorFlow Object Detection API Models.zip
    优质
    TensorFlow Object Detection API Models.zip包含用于物体检测任务的各种预训练模型和配置文件,适用于多种应用场景。 如何在2020年2月下载TensorFlow Object Detection API的完整版本?
  • cattle (cow) object detection dataset
    优质
    Cattle (Cow) Object Detection Dataset 是一个专为识别图像中奶牛设计的数据集,包含大量标记图片,适用于训练和评估物体检测模型。 基于COCO 2014与VOC 2017数据集提取出来的牛(cow)单一种类的目标检测数据集,包含4110张各种场景下的cow图片,可用于cow的目标检测识别以及个体统计。该数据集格式符合yolo系列的voc格式,可以直接使用。