LCNN_SSD（Open Source）

最新推荐文章于 2024-05-09 10:05:51 发布
置顶 最新推荐文章于 2024-05-09 10:05:51 发布
阅读量855 收藏 2
点赞数
分类专栏： LazyNet 文章标签： LCNN_SSD
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/samylee/article/details/88620242
版权

LCNN_SSD

     1. Forward C++ Code of the SSD based on CAFFE, CPU support only.

     2. No third-party libraries except OpenBlas.

Github

https://github.com/samylee/LCNN_SSD

Description

  1. The model is modified based on SSD300_07+12 by weiliu89. The efficiency of the model is the same as that of the original model.
  2. C++ code ONLY!
  3. WHITOUT backward!
  4. Based on CAFFE.

Algorithm efficiency

Image SizeSpeedmAP(voc2007-test)CPUCompiler
Any resolution image800ms0.772i7-4790-4core @3.6GHzVS2015

Test steps

step1

Download model and put it to "model/". BaiDu CLoud, PassWord: tvn9

step2

Compile with opencv and openblas, then test.

Example result

 

Reference

https://blog.csdn.net/samylee

 

任何问题请加唯一QQ2258205918（名称samylee）！

或唯一VX：samylee_csdn

samylee
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
OSIRIS An open source iris recognition software.pdf
01-20
虹膜识别经典论文：OSIRIS: An open source iris recognition software
常用直线检测算法
人无远虑，必有近忧
12-02 1646
在计算机视觉领域，我们经常需要做一些特殊的任务，而这些任务中经常会用到直线检测算法，比如车道线检测、长度测量等。尽管直线检测的任务看起来比较简单，但是在具体的应用过程中，你会发现这里面还是有很大的优化空间，本文对常用的一些比较经典的直线检测算法进行汇总。
基于深度学习的直线检测算法
最新发布
小白学视觉
05-09 205
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达直线检测是经典的底层视觉任务，对一些视觉任务，如自动驾驶、场景3D建模、无人机地平线检测等不可或缺。我们熟知的霍夫变换，就是解决直线检测问题的经典算法。然而，传统算法缺乏鲁棒性，只能受限于简单的应用场景。如今在充分的标注数据支持下，基于神经网络的直线检测算法对检测精度和鲁棒性有了很大提升。在数据驱动下，通过神经网络解决底层视觉任...
LCNN论文阅读笔记
feynman233的博客
04-08 4379
卷积神经网络因为参数越来越多对计算机硬件要求越来越高，因此需要更高效的神经网络算法。我认为作者的切入点是CNN有很多相互关联的参数，进而充分利用参数之间的关联性来进行优化。他把权向量组合成字典来表示参数空间。训练网络就变成了去训练一个字典和一些线性组合关系。字典的规模就需要找到效率和准确率之间的平衡。LCNN解决了两个问题：训练集数目少的问题和减少循环迭代次数的问题。他减少迭代次数的办法是让字典可以
【论文解读】【论文翻译】【线框分析】LCNN
lz867422770的博客
11-10 6256
1. 文章背景： 2018年的CVPR会议上，来自上海科技大学信息学院的团队提出了《Learning to Parse Wireframes in Images of Man-Made Environments》论文来进行现实场景中图片框线结构的检测分析研究，与此同时，他们贡献出了一个带标注的开源的数据集wireframe。本文正是基于该数据集进行的框线分析问题研究。这篇论文旨在为业界的...
l-曲线matlab代码-lcnn_batch_processing:该代码已针对项目进行了修改
05-24
l-曲线矩阵代码运行批处理程序，只需导航到demo.py文件所在的目录，并写上“ python demo.py -d 0 config / wireframe.yaml config / 190418-201834-f8934c6-lr4d10-312k.pth.tar图片在终端 ...该存储库包含该论文的...
l-曲线matlab代码-ADV_LCNN:ADV_LCNN
05-24
l-曲线矩阵代码L-CNN —端到端线框解析 该存储库包含该论文的官方PyTorch实现： ，，。 ICCV 2019 。 介绍 是一个概念简单却有效的神经网络，用于从给定图像中检测线框。...它在很大程度上优于以前的最新线框和线检测器...
matlab中批量导入图像代码-lcnn:LCNN：端到端线框解析
05-20
matlab中批量导入图像代码L-CNN —端到端线框解析 该存储库包含该论文的官方PyTorch实现： ，，。 ICCV 2019 。 介绍 是从概念上讲简单却有效的神经网络，用于从给定图像中检测线框。...它在很大程度上优于以前的最新...
matlab精度检验代码-LightCNN-gluon:LightCNN的gluon实现
05-22
Tensorflow-implementation-of-implementation-of-LCNN借来的代码和构想： 安装必需的软件包 首先，请确保您已安装以下必需的软件包： 胶子。 gluon是mxnet的接口。 mxnet的版本是mxnet0.12.0，也许其他版本也可以。...
matlab精度检验代码-LightCNN-mxnet:论文“用于带有噪波标签的深脸表示的轻型CNN”中的LightCNN的mxnet实现（h
05-21
Tensorflow-implementation-of-implementation-of-LCNN借来的代码和构想： 安装必需的软件包 首先，请确保您已安装以下必需的软件包： mxnet0.12.0（）。 也许其他版本还可以。 Opencv（）。 这是opencv-2.4.9。 ...
《OSIRIS: An open source iris recognition software》论文
05-01
这篇论文 主要是结合着源码来看的 非常的好 虽然我也没有看 不过看评论特别好 外国人写的还是比国内写的水平高多了
华为 QOS设置说明书
06-02
QOS的官方说明书，比较适合初学者的资源，欢迎下载
open source lecture
11-04
软件开源介绍课程第一课，全英文介绍。关于如何进行开源软件开发，准则等。
论文《Line-CNN: End-to-End Traffic Line Detection With Line Proposal Unit》阅读
weixin_44001371的博客
10-04 340
交通线路检测任务是一个基本而又具有挑战性的问题。以往的方法通常通过两个阶段进行交通线路检测，即线段检测和线段聚类，这很可能会忽略整条线路的全局语义信息。为解决这一问题，我们提出了一种名为 "线路-CNN（L-CNN）"的端到端系统，其中的关键部分是一个新颖的线路建议单元（LPU）。LPU 利用线路建议作为参考来定位准确的交通曲线，从而迫使系统学习整个交通线路的全局特征表示。
探索LCNN_TRAIN：深度学习图像识别的新里程
gitblog_00097的博客
03-31 273
探索LCNN_TRAIN：深度学习图像识别的新里程 项目地址:https://gitcode.com/Tonyfy/LCNN_TRAIN 项目简介 LCNN_TRAIN 是一个基于深度学习的轻量级卷积神经网络（Lightweight Convolutional Neural Network, LCNN）训练框架，由开发者Tonyfy在GitCode上分享。该项目致力于提供一个高效、易用且高度可定...
传统直线检测算法与基于深度学习的直线检测算法
weixin_46838716的博客
06-27 6828
1）从霍夫变换算法到经典的LSD传统算法，后来改进很多，但是效果都和LSD差不多，而LSD又比霍夫变换牛 2）2018年开源了一个直线检测的数据集wireframe，从此很多关于端点预测的2阶段，和2阶段网络设计出来，预测端点，或预测中点，方向和距离啥的。 3）笔试求AC，可以不考虑空间复杂度，但是面试既要考虑时间复杂度最优，也要考虑空间复杂度最优。...
lcnn复现
weixin_44417398的博客
11-30 3189
conda create -y -n lcnn-9.2 python=3.6 source activate lcnn-9.2 # Replace cudatoolkit=10.1 with your CUDA version: https://pytorch.org/ conda install -y pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=9.2 -c pytorch conda install -y tensorboardx -c conda-fo.
帮我优化python代码： result1 = x + self.deepfeature_couple(x, LCNN_result_list[0], LTSL_result_list[0]) result2 = x + result1 + self.deepfeature_couple(result1, LCNN_result_list[1], LTSL_result_list[1]) result3 = x + result1 + result2 + self.deepfeature_couple(result2, LCNN_result_list[2], LTSL_result_list[2]) result4 = x + result1 + result2 + result3\ + self.deepfeature_couple(result3, LCNN_result_list[3], LTSL_result_list[3]) result5 = x + result1 + result2 + result3 + result4 \ + self.deepfeature_couple(result4, LCNN_result_list[4], LTSL_result_list[4]) result = x + result1 + result2 + result3 + result4 + result5 \ + self.deepfeature_couple(result5, LCNN_result_list[5], LTSL_result_list[5]) x = self.conv_before_upsample(result)
03-23
对于这段 Python 代码，我建议您使用循环来优化。具体来说，您可以使用一个 for 循环来遍历 LCNN_result_list 和 LTSL_result_list，然后在每次迭代中调用 deepfeature_couple 函数。这样可以减少代码的重复性，并且使代码更加简洁和易于维护。下面是一个示例代码： result = x for i in range(len(LCNN_result_list)): result_list = [x] + result_list result = self.deepfeature_couple(result, LCNN_result_list[i], LTSL_result_list[i]) result = self.conv_before_upsample(result) 请注意，这只是一个示例代码，您需要根据您的实际情况进行修改和调整。另外，如果您的数据量很大，您可能需要考虑使用并行计算来加速代码的运行。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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