深度学习基础篇【3】从0开始搭建faster—rcnn并进行评估、训练

本文详细介绍了如何从零开始搭建Faster R-CNN模型,包括环境配置、数据集准备、权重文件下载以及模型的预测、训练和评估。使用Python3.8、PyTorch 1.8、CUDA 11.1.1,并在极链AI云平台上操作,通过NVIDIA RTX 2080 Ti GPU进行计算。
摘要由CSDN通过智能技术生成

深度学习基础篇【3】

从0开始搭建

faster—rcnn

并进行评估、训练

Faster R-CNN可以简单地看做“区域生成网络RPNs + Fast R-CNN”的系统,用区域生成网络代替FastR-CNN中的Selective Search方法。Faster R-CNN这篇论文着重解决了这个系统中的三个问题:1. 如何设计区域生成网络;2. 如何训练区域生成网络;3. 如何让区域生成网络和Fast RCNN网络共享特征提取网络。 《Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks》发表于2015年由Shaoqing Ren, Kaiming He, Ross Girshick, Jian Sun创作。

- 语言环境:Python3.8

- 编译器:jupyter notebook

- 深度学习环境:PyTorch 1.8

- CUDA版本:11.1.1

- 深度学习平台:极链AI云

- 显卡(GPU):NVIDIA RTX 2080 Ti

       目录

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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
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