手把手教你MMDetection基准和模型汇总

27 篇文章 4 订阅 ¥49.90 ¥99.00
本文详述了MMDetection框架中的各种物体检测模型,包括RPN、Faster R-CNN、Mask R-CNN等,提供了模型下载路径和训练细节。对比了与Detectron和maskrcnn-benchmark在性能、训练速度和内存效率上的差异。
摘要由CSDN通过智能技术生成

论文下载地址:点击这里

目录

  • 环境
  • 镜像站点
  • 常用设定
  • 基准线
  • 与Detectron和maskrcnn-benchmark的比较

环境

硬件

  • 8 NVIDIA Tesla V100 GPUs
  • Intel Xeon 4114 CPU @ 2.20GHz

软件环境

  • Python 3.6 / 3.7
  • PyTorch 1.1
  • CUDA 9.0.176
  • CUDNN 7.0.4
  • NCCL 2.1.15

镜像站点

我们使用AWS作为托管模型汇总的主要站点,并在阿里云上维护一面镜子。您可以在模型网址中替换https://s3.ap-northeast-2.amazonaws.com/open-mmlabhttps://open-mmlab.oss-cn-beijing.aliyuncs.com

常用设置

  • 所有FPN基准和RPN-C4基准均使用8个GPU进行训练,批处理大小为16(每个GPU 2张图像)。其他C
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