- 博客(4)
- 资源 (1)
- 收藏
- 关注
原创 基于注意力机制的目标检测模型(DETR模型)原理及代码实现
DETR(Detection Transformer)是一种端到端的目标检测模型,由Facebook AI Research(FAIR)于2020年提出。DETR采用了Transformer架构,与传统的基于区域的目标检测方法有所不同,它通过全局上下文来预测图像中的目标,而无需使用先前的候选框或区域建议网络。2 DETR模型结构本文基于 Pytorch框架构建了在VOC数据集上检测的 DETR模型(DEtection TRansformers)。
2024-01-12 21:23:00 6013 16
原创 迁移学习原理:预训练权重、冻结训练、断点训练
迁移学习在计算机视觉领域中是一种很流行的方法,因为它可以建立精确的模型,耗时更短。利用迁移学习,不是从零开始学习,而是从之前解决各种问题时学到的模式开始。这样,我们就可以利用以前的学习成果,避免从零开始。
2024-01-12 20:38:29 735
原创 Faster RCNN目标检测模型原理及代码
本项目两个模型均采用的是VOC数据集。它是一个广泛用于计算机视觉任务的图像数据集,其全称为PASCAL Visual Object Classes。该数据集最初由牛津大学的计算机视觉研究组(Visual Geometry Group)创建,并于2005年首次发布。VOC数据集的目标是提供用于对象识别和检测的标准测试基准,以推动计算机视觉研究和算法的发展。 该数据集包含20个常见的物体类别,包括人、车辆、动物和家居物品等。
2024-01-12 19:48:37 2732 2
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人