Advertisement

MobileNet_V1_SSD网络的VOC预训练模型。

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

简介：
MobileNet_V1_SSD网络采用预训练模型，在VOC数据集上进行了训练，从而获得了强大的性能表现。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 基于MobileNet_V1_SSD网络的VOC预训练模型
    优质
    本简介介绍了一个基于MobileNet_V1_SSD架构的卷积神经网络模型，并利用Pascal VOC数据集进行预训练。该模型适用于各类移动设备，旨在提供高效目标检测性能。 MobileNet_V1_SSD网络的VOC预训练模型。
     
  • 基于ResNet_SSD网络的VOC预训练模型
    优质
    本项目构建于ResNet_SSD架构之上，采用Pascal VOC数据集进行预训练，旨在提供一个高效、准确的目标检测模型，适用于多种图像识别任务。 ResNet_SSD网络的VOC预训练模型。
     
  • 基于MobileNet_V2_SSD网络的VOC预训练模型
    优质
    本项目提供了一个基于MobileNet_V2_SSD架构，并预先在Pascal VOC数据集上进行训练的深度学习模型。该模型适用于多种移动设备，能够高效地执行目标检测任务，在保持较高准确率的同时大幅减少计算资源需求。 MobileNet_V2_SSD网络的VOC预训练模型。
     
  • U2Net分割网络预训练模型：U2NetP.pth
    优质
    U2NetP.pth是U2Net分割网络的预训练模型，适用于图像前景提取等任务，具有高效准确的特点。 https://github.com/NathanUA/U-2-Net工程的预训练模型u2netp.pth和u2net.pth已由作者上传。
     
  • 水印识别与定位的预训练网络模型
    优质
    本研究提出了一种创新的预训练网络模型，专门用于高效准确地识别和定位图像中的水印。该模型通过深度学习技术优化了水印检测性能，在多种数据集上展现出卓越效果。 该文件为房产类图片水印识别和位置检测的预训练模型。模型能够识别的目标包括[BG, 58_br, anjuke_br, 5i5j_wm, 58_wm, anjuke_wm, centanet_ct, fang_br, ke_wm, lianjia_wm]，具体效果可以参考相关展示文章。
     
  • complex_yolov4_pytorch的预训练模型
    优质
    complex_yolov4_pytorch的预训练模型是一款基于PyTorch框架开发的YOLOv4版本目标检测模型，专为复杂场景设计，提供高效的物体识别和定位能力。 关于complex_yolov4_pytorch预训练模型的详细介绍和使用方式，请参考相关博客文章。
     
  • Yolov4的预训练模型
    优质
    Yolov4的预训练模型是基于先进的YOLOv4目标检测算法预先训练得到的权重文件，广泛应用于图像识别与视频分析等领域，可大幅提高模型在特定任务上的泛化能力和收敛速度。 Yolov4的预训练模型可以用于各种目标检测任务，它在多个数据集上进行了预先训练，因此可以直接应用于新项目或进行微调以适应特定需求。这种模型能够快速准确地识别图像中的对象，并且性能优越。
     
  • Human36M预训练模型
    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。
     
  • YOLOv5预训练模型
    优质
    简介：YOLOv5是一款高效的目标检测算法，基于深度学习技术，适用于多种场景下的实时目标识别任务。 YOLOV5的预训练模型包括yolov5s、yolov5n、yolov5l、yolov5m和yolov5x。