MobileNet-SSD

本文介绍了MobileNetV3-SSD在目标检测中的应用,对比了它与MobileNetV2-SSD、YOLOv3的性能差异。在30类数据集上训练,MobileNetV3模型能达到99.60%的准确率。训练过程在GTX1070显卡上进行,每个EPOCH大约10分钟。作者建议使用更大的模型如MobileNetV3-LARGE以提升检测效果,并提出在服务器上进行进一步训练的计划。
摘要由CSDN通过智能技术生成

有预训练:

https://github.com/shaoshengsong/MobileNetV3-SSD

 

有v2 ssd:

https://github.com/qfgaohao/pytorch-ssd

 

MobileNetV3-SSD,在tx2上,没有明显优势。

https://github.com/tongyuhome/MobileNetV3-SSD

 

MobileNet-SSD 与yolov3对比,精度低了很多,具体就是漏检多了很多。

https://github.com/jacke121/Object-detection-state-of-the-art-RCNN-YOLO-SSD

 

用于训练的数据有30类,数据量大概在95k左右,trainval_proportion和train_proportion都是0.9。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

AI算法网奇

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值