Swin-Unet多分类
1.使用了CamVid数据集,加背景共12类;
2.数据结构是train,val,test三个文件夹里分别放images,labels文件夹,且文件夹里的图像和标签名字要一样;
3.没有大量测试,只跑了20个epoch,还看不出效果,需要自己调试
CFOG:快速精确的结构相似性多模态匹配算法
资源详细介绍https://blog.csdn.net/yeyuanxin/article/details/115405672
源码链接:https://github.com/yeyuanxin110/CFOG
1.python调用matlab CFOG函数
2.二次封装CFOG接口
3.入口为python_demo.py
4.matlab engine 的配置推荐链接:https://blog.csdn.net/qq_42704970/article/details/123583046
视频素材用于视频理解,AR相关
视频素材用于视频理解,AR相关
TransFuse复现
1.基于Transformer的语义分割
2.训练自己的数据集,二分类
3.参考博客链接:https://blog.csdn.net/qq_20373723/article/details/126450108?spm=1001.2014.3001.5502
PointRend复现
1.PointRend复现
2.内含利用CamVid测试的过程,包括数据
3.自己写了数据加载函数
4.如有疑问可私信交流
TransUnet-transformer 用于语义分割-二分类
transformer 用于语义分割
内有使用说明
有问题私信
主要是将TransUnet的网络模型拿出来,自己写了加载数据集的方法,使用方便
Swin-Unet-Transformer网络-用于语义分割-二分类
1.增加了数据加载部分,二分类loss
2.必要的中文注释
3.附带了自己的数据集
4.有问题随时联系
Github深度学习图像分类复现
深度学习图像分类,简单修改就可以跑,有问题随时私信,对应的博客说明:
https://blog.csdn.net/qq_20373723/article/details/117109142?spm=1001.2014.3001.5501
TransUnet多分类
将原本的二分类改为多分类TransUnet,里面包含了训练说明,以及测试数据说明
CamVid数据集,共11类,背景为0
CamVid数据集包括700多张精准标注的图片用于强监督学习,可分为训练集一、验证集、测试集。同时,在CamVd数据集中通常使用11种常用的类别来进行分割精度的评估,分别为:道路(Road)、交通标志(Symbol)、汽车(Car)、天空(Sky)、行人道(Sidewalk)、电线杆(Pole)、围墙(Fence)、行人(Pedestrian)、建筑物(Building)、自行车(Bicyclist) 、树木(Tree)。注意背景是0,所以这里给类别的时候是给12,而不是11
Windows下编译生成的nginx,可直接部署使用
Windows10下编译的nginx,可以直接使用,配合https://blog.csdn.net/qq_20373723/article/details/122380748?spm=1001.2014.3001.5501和https://blog.csdn.net/qq_20373723/article/details/122363348?spm=1001.2014.3001.5501可以完成视频流的推接,测试的时候用的是摄像头
成都市5大城区具体到街道级别的矢量文件.zip
成都市5大中心城区矢量数据,具体到街道级别,包含了成化区,武侯区,金牛区,青羊区,锦江区
测试基于遥感影像的机器学习算法
用于测试基于遥感影像的svm、随机森林、lightGBM等机器学习算法
gdal完成arcgis分区统计功能样例数据
gdal完成arcgis分区统计功能样例数据
github复现FCN的,相关代码.zip
多分类,FCN代码,cuda8.0、cudnn5.1、TensorFlow1.4.0,资源包含了对github代码的修改
data_deal_by_deeplearn
根据csv表格提供的数据特征预测给定特征的预测值,简单实现,仅仅是个例子。里面包含了一个简单示例,数据有两个特征,特征对应的标签是具体的数据,不是类别。