Advertisement

ResNet系列提供了多种预训练模型。

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


简介:
该资源包包含了多个预训练的 ResNet 模型,具体包括 ResNet-18、ResNet-50、ResNet-101 以及 ResNet-152 的 caffemodel 文件。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • ResNet-50.zip
    优质
    本资源提供ResNet-50深度学习预训练模型下载。该模型在大型图像数据集上进行了预先训练,适用于多种计算机视觉任务,如分类、检测和分割等。 ResNet50预训练模型是基于ImageNet数据集得到的,主要用于加载预训练参数,并且配合prototxt文件使用效果最佳。
  • 不同版本的ResNet
    优质
    本文探讨了多种版本的ResNet预训练模型,包括它们的架构差异、适用场景及性能表现,为深度学习应用提供参考。 ResNet预训练模型包括resnet18.caffemodel、resnet50.caffemodel、resnet101.caffemodel以及resnet152.caffemodel。
  • SRN-DeblurNet: PyTorch实现及
    优质
    简介:SRN-DeblurNet是一款用于图像去模糊任务的深度学习模型,基于PyTorch框架开发,并提供了经过大量数据训练得到的预训练模型。 为了训练SRN-DeblurNet模型,我严格按照原始论文中的所有配置进行操作。在测试PSNR值时,我把GOPRO数据集的测试部分分为两半:一半用于验证,另一半用于最终测试,并得到了29.58db PSNR的结果(而原论文报道的数据为30.26db)。我已经提供了预训练模型。 值得注意的是,在没有进行伽玛校正的情况下也可以对GOPRO中的模糊图像进行训练。我尝试将该模型应用到真实世界中的人脸图像上,但发现其推广效果不佳。欢迎任何讨论或更正意见。
  • ProtTrans: 先进蛋白质的Transformer
    优质
    简介:ProtTrans是一种先进的基于Transformer架构的模型,专门用于蛋白质的预训练。它能够有效提升生物信息学领域中各类任务的表现,为药物设计和生物学研究提供强大支持。 ProtTrans 提供了最先进的蛋白质预训练模型,并通过使用数千个来自Summit的GPU以及各种Transformers模型中的Google TPU进行了培训。欲了解更多关于我们的工作,请查阅我们的论文。此存储库将定期更新,以支持生物信息学界,特别是我们SASAR项目在Covid-19研究方面的进展。 目录: - 预言 - 蛋白质序列生成 - 可视化 - 基准测试 - 期望成绩 - 二级结构预测(第3季度) - 二级结构预测(Q8) - 膜结合与水溶性(Q2) - 亚细胞定位(Q10) - 社区和贡献 - 遇到问题? - 发现错误? - 特别要求 - 团队成员
  • Python-运用的TensorFlow取图像特征
    优质
    本项目利用Python编程语言和TensorFlow框架,通过集成多种预训练模型,实现高效且准确的图像特征提取,适用于计算机视觉领域中的各类应用。 使用多种预训练的TensorFlow模型来提取图像特征。
  • TensorFlow Inception-ResNet-V2
    优质
    TensorFlow预训练Inception-ResNet-V2模型基于Google开发的深度学习架构,适用于图像分类任务。经过大规模数据集训练,提供高精度识别能力。 对Inception-Resnet-V2进行预训练,在Scene15数据集上亲测有效。
  • 基于PyTorch的ResNet的迁移学习
    优质
    本研究利用PyTorch框架探讨了基于ResNet架构的深度学习模型在图像分类任务中的迁移学习应用,通过微调预训练模型以适应特定数据集。 内容概要:基于PyTorch的ResNet预训练模型进行迁移学习 适用人群: - 图像分类实验的学习新手 - 需要做图像二分类或小规模分类任务的工具使用者 内容包括: - 详细的文档说明,方便读者理解和使用。 - 即插即用的设计理念,便于快速应用到实际项目中。
  • OpenPose官方的Caffe文件-附件资源
    优质
    本资源提供OpenPose项目的Caffe框架下的预训练模型文件,便于用户快速上手人体关键点检测,促进姿态估计研究与应用。 openpose官方提供的预训练caffe模型文件可以作为附件资源获取。
  • Human36M
    优质
    Human36M预训练模型是基于大规模人体运动数据集Human3.6M开发的一种深度学习模型,广泛应用于动作识别与姿态估计领域。 在Learnable Triangulation of Human Pose文章代码中的预训练模型与human36m数据集相关,包括基于体积和三角化的模型以及pose_resnet的预训练模型。这些文件应放置于data\pretrained目录下并解压。