登录
首页 » Python » mx-maskrcnn-master

mx-maskrcnn-master

于 2020-06-17 发布 文件大小:1102KB
0 84
下载积分: 1 下载次数: 1
我要下载

代码说明：

  我们提出了一个简单、灵活和通用的对象实例分割框架。我们的方法能有效检测图像中的对象，同时为每个实例生成高质量的 segmentation mask。这种被称为 Mask R-CNN 的方法通过添加用于预测 object mask 的分支来扩展 Faster R-CNN，该分支与用于边界框识别的现有分支并行。Mask R-CNN 训练简单，只需在以 5fps 运行的 Faster R-CNN 之上增加一个较小的 overhead。此外，Mask R-CNN 很容易推广到其他任务，例如它可以允许同一个框架中进行姿态估计。我们在 COCO 系列挑战的三个轨道任务中均取得了最佳成果，包括实例分割、边界对象检测和人关键点检测。没有任何 tricks，Mask R-CNN 的表现优于所有现有的单一模型取得的成绩，包括 COCO 2016 挑战赛的冠军。(Mask R-CNN code by HeKaiming)

文件列表：

mx-maskrcnn-master, 0 , 2018-02-28
mx-maskrcnn-master\.gitignore, 988 , 2018-02-28
mx-maskrcnn-master\.gitmodules, 103 , 2018-02-28
mx-maskrcnn-master\LICENSE, 11357 , 2018-02-28
mx-maskrcnn-master\Makefile, 221 , 2018-02-28
mx-maskrcnn-master\README.md, 5451 , 2018-02-28
mx-maskrcnn-master\data, 0 , 2018-02-28
mx-maskrcnn-master\data\cityscape, 0 , 2018-02-28
mx-maskrcnn-master\data\cityscape\imglists, 0 , 2018-02-28
mx-maskrcnn-master\data\cityscape\imglists\test.lst, 200205 , 2018-02-28
mx-maskrcnn-master\data\cityscape\imglists\train.lst, 412545 , 2018-02-28
mx-maskrcnn-master\data\cityscape\imglists\val.lst, 67790 , 2018-02-28
mx-maskrcnn-master\demo_mask.py, 2115 , 2018-02-28
mx-maskrcnn-master\eval_maskrcnn.py, 2113 , 2018-02-28
mx-maskrcnn-master\figures, 0 , 2018-02-28
mx-maskrcnn-master\figures\maskrcnn_result.png, 900697 , 2018-02-28
mx-maskrcnn-master\figures\test.jpg, 40967 , 2018-02-28
mx-maskrcnn-master\incubator-mxnet, 0 , 2018-02-28
mx-maskrcnn-master\rcnn, 0 , 2018-02-28
mx-maskrcnn-master\rcnn\CXX_OP, 0 , 2018-02-28
mx-maskrcnn-master\rcnn\CXX_OP\roi_align-inl.h, 8596 , 2018-02-28
mx-maskrcnn-master\rcnn\CXX_OP\roi_align.cc, 2824 , 2018-02-28
mx-maskrcnn-master\rcnn\CXX_OP\roi_align.cu, 12308 , 2018-02-28
mx-maskrcnn-master\rcnn\CXX_OP\roi_align_v1-inl.h, 15877 , 2018-02-28
mx-maskrcnn-master\rcnn\CXX_OP\roi_align_v1.cc, 3090 , 2018-02-28
mx-maskrcnn-master\rcnn\CXX_OP\roi_align_v1.cu, 446 , 2018-02-28
mx-maskrcnn-master\rcnn\PY_OP, 0 , 2018-02-28
mx-maskrcnn-master\rcnn\PY_OP\__init__.py, 0 , 2018-02-28
mx-maskrcnn-master\rcnn\PY_OP\fpn_roi_pooling.py, 4584 , 2018-02-28
mx-maskrcnn-master\rcnn\PY_OP\mask_output.py, 1971 , 2018-02-28
mx-maskrcnn-master\rcnn\PY_OP\mask_roi.py, 2240 , 2018-02-28
mx-maskrcnn-master\rcnn\PY_OP\proposal_fpn.py, 8149 , 2018-02-28
mx-maskrcnn-master\rcnn\__init__.py, 0 , 2018-02-28
mx-maskrcnn-master\rcnn\config.py, 5104 , 2018-02-28
mx-maskrcnn-master\rcnn\core, 0 , 2018-02-28
mx-maskrcnn-master\rcnn\core\__init__.py, 0 , 2018-02-28
mx-maskrcnn-master\rcnn\core\callback.py, 1710 , 2018-02-28
mx-maskrcnn-master\rcnn\core\loader.py, 24515 , 2018-02-28
mx-maskrcnn-master\rcnn\core\metric.py, 9044 , 2018-02-28
mx-maskrcnn-master\rcnn\core\module.py, 8588 , 2018-02-28
mx-maskrcnn-master\rcnn\core\solver.py, 3136 , 2018-02-28
mx-maskrcnn-master\rcnn\core\tester.py, 13716 , 2018-02-28
mx-maskrcnn-master\rcnn\cython, 0 , 2018-02-28
mx-maskrcnn-master\rcnn\cython\.gitignore, 15 , 2018-02-28
mx-maskrcnn-master\rcnn\cython\__init__.py, 0 , 2018-02-28
mx-maskrcnn-master\rcnn\cython\anchors.pyx, 1185 , 2018-02-28
mx-maskrcnn-master\rcnn\cython\bbox.pyx, 1763 , 2018-02-28
mx-maskrcnn-master\rcnn\cython\cpu_nms.pyx, 2241 , 2018-02-28
mx-maskrcnn-master\rcnn\cython\gpu_nms.hpp, 146 , 2018-02-28
mx-maskrcnn-master\rcnn\cython\gpu_nms.pyx, 1110 , 2018-02-28
mx-maskrcnn-master\rcnn\cython\nms_kernel.cu, 5064 , 2018-02-28
mx-maskrcnn-master\rcnn\cython\setup.py, 5515 , 2018-02-28
mx-maskrcnn-master\rcnn\dataset, 0 , 2018-02-28
mx-maskrcnn-master\rcnn\dataset\__init__.py, 53 , 2018-02-28
mx-maskrcnn-master\rcnn\dataset\cityscape.py, 12991 , 2018-02-28
mx-maskrcnn-master\rcnn\dataset\ds_utils.py, 442 , 2018-02-28
mx-maskrcnn-master\rcnn\dataset\imdb.py, 13205 , 2018-02-28
mx-maskrcnn-master\rcnn\io, 0 , 2018-02-28
mx-maskrcnn-master\rcnn\io\__init__.py, 0 , 2018-02-28
mx-maskrcnn-master\rcnn\io\image.py, 5850 , 2018-02-28
mx-maskrcnn-master\rcnn\io\rcnn.py, 19628 , 2018-02-28
mx-maskrcnn-master\rcnn\io\rpn.py, 10379 , 2018-02-28
mx-maskrcnn-master\rcnn\io\threaded_loader.py, 20199 , 2018-02-28
mx-maskrcnn-master\rcnn\processing, 0 , 2018-02-28
mx-maskrcnn-master\rcnn\processing\__init__.py, 0 , 2018-02-28
mx-maskrcnn-master\rcnn\processing\assign_levels.py, 1221 , 2018-02-28
mx-maskrcnn-master\rcnn\processing\bbox_regression.py, 9983 , 2018-02-28
mx-maskrcnn-master\rcnn\processing\bbox_transform.py, 5023 , 2018-02-28
mx-maskrcnn-master\rcnn\processing\generate_anchor.py, 2443 , 2018-02-28
mx-maskrcnn-master\rcnn\processing\nms.py, 1414 , 2018-02-28
mx-maskrcnn-master\rcnn\pycocotools, 0 , 2018-02-28
mx-maskrcnn-master\rcnn\pycocotools\UPSTREAM_REV, 80 , 2018-02-28
mx-maskrcnn-master\rcnn\pycocotools\__init__.py, 21 , 2018-02-28
mx-maskrcnn-master\rcnn\pycocotools\_mask.pyx, 11430 , 2018-02-28
mx-maskrcnn-master\rcnn\pycocotools\coco.py, 18296 , 2018-02-28
mx-maskrcnn-master\rcnn\pycocotools\cocoeval.py, 23849 , 2018-02-28
mx-maskrcnn-master\rcnn\pycocotools\mask.py, 4570 , 2018-02-28
mx-maskrcnn-master\rcnn\pycocotools\maskApi.c, 8249 , 2018-02-28
mx-maskrcnn-master\rcnn\pycocotools\maskApi.h, 2176 , 2018-02-28
mx-maskrcnn-master\rcnn\pycocotools\setup.py, 579 , 2018-02-28
mx-maskrcnn-master\rcnn\symbol, 0 , 2018-02-28
mx-maskrcnn-master\rcnn\symbol\__init__.py, 30 , 2018-02-28
mx-maskrcnn-master\rcnn\symbol\symbol_mask_fpn.py, 33269 , 2018-02-28
mx-maskrcnn-master\rcnn\tools, 0 , 2018-02-28
mx-maskrcnn-master\rcnn\tools\__init__.py, 0 , 2018-02-28
mx-maskrcnn-master\rcnn\tools\demo_maskrcnn.py, 4732 , 2018-02-28
mx-maskrcnn-master\rcnn\tools\demo_single_image.py, 6421 , 2018-02-28
mx-maskrcnn-master\rcnn\tools\test_maskrcnn.py, 4730 , 2018-02-28
mx-maskrcnn-master\rcnn\tools\test_rpn.py, 4318 , 2018-02-28
mx-maskrcnn-master\rcnn\tools\train_maskrcnn.py, 9777 , 2018-02-28
mx-maskrcnn-master\rcnn\tools\train_rpn.py, 9360 , 2018-02-28
mx-maskrcnn-master\rcnn\utils, 0 , 2018-02-28
mx-maskrcnn-master\rcnn\utils\__init__.py, 0 , 2018-02-28
mx-maskrcnn-master\rcnn\utils\combine_model.py, 709 , 2018-02-28
mx-maskrcnn-master\rcnn\utils\load_data.py, 1718 , 2018-02-28
mx-maskrcnn-master\rcnn\utils\load_model.py, 1999 , 2018-02-28
mx-maskrcnn-master\rcnn\utils\save_model.py, 762 , 2018-02-28
mx-maskrcnn-master\scripts, 0 , 2018-02-28
mx-maskrcnn-master\scripts\demo.sh, 509 , 2018-02-28
mx-maskrcnn-master\scripts\demo_single_image.sh, 432 , 2018-02-28

下载说明：请别用迅雷下载，失败请重下，重下不扣分！

发表评论

0 个回复

  • enhance
    图象增强，内嵌8中方法供您参考比较， 图象增强，内嵌8中方法供您参考比较，(Image enhancement, embedded in 8 methods for your reference comparison, image enhancement, embedded in 8 methods for your reference comparison,)
    2008-04-13 14:52:56下载
    积分：1
  • quduishu
    图像取对数运算，很有帮助 (Images taken of the number of calculations, useful)
    2008-07-10 17:07:58下载
    积分：1
  • COIL20
    用于在图像处理以及计算机视觉中，作为测试的COIL20数据集(The COIL20 data set used as a test in image processing and computer vision)
    2017-08-22 21:48:31下载
    积分：1
  • 7894561@dagsvm
    很好用的svm工具箱，dagsvm对于图像分类效果非常好，分类精度很高，代码清洗简单。(Good use of SVM Toolbox, dagsvm for image classification effect is very good, very high classification accuracy, code cleaning easy.)
    2009-02-19 08:39:13下载
    积分：1
  • 对机载激光雷达原始数据Las格式和txt格式进行读取 adtive_feature1
    说明：  以python语言为平台，对机载激光雷达原始数据Las格式和txt格式进行读取，并根据信息熵确定维度特征计算的最佳邻域半径，最后计算得到最佳邻域半径和最佳维度特征值(Based on Python language, the Las format and TXT format of airborne lidar raw data are read, and the optimal neighborhood radius is determined according to the information entropy. Finally, the optimal neighborhood radius and the optimal dimension eigenvalue are calculated.)
    2020-12-18 18:39:11下载
    积分：1
  • ex8-extractwatermark
    水印要求完全不被修改，完全脆弱水印一般是从空域LSB算法演变而来。(Watermark demands nothing to modify, the fragile watermark is completely general LSB algorithm has evolved the airspace。)
    2015-05-11 15:33:22下载
    积分：1
  • bp_matlab
    说明：  MATLAB源代码实现BP人工神经网络算法。(BP Neural Network based on MATLAB. )
    2010-04-06 11:17:44下载
    积分：1
  • lzwGif
    gif格式图片生成，包括动画生成，是非常好的入门学习资料。(gif format image generation, including animation generation, is a very good learning materials.)
    2013-12-09 20:43:10下载
    积分：1
  • Fasteners-transferred-Tools
    请将本压缩文件包下的所有文件放在AutoCAD的支 持目录之下，如 AutoCAD 的安装目录下；或者在下拉 菜单中的 工具-> 选项 －> 文件 -> 支持文件搜索路 径 -> 添加 本程序所在目录。调入应用程序jgj.vlx ， 可以直接将本程序拖入AutoCAD绘图区域，或者在下拉 菜单的 工具－>加载应用程序 中找到本程序后加载即 可! 成功加载后，在命令行内输入bzjgj即可运行。在 对话框中,可以选择螺栓螺母的类型以及其它平、弹垫、 螺纹的显示等，具体使用方法可参见本文件夹中的图片。 体验版只能绘制规格为M10之组件,如果您要注册本工 具,可在命令行内输入 zc ,即可获得相关注册信息。(Please support all the compressed files in AutoCAD package under the Held under the directory, such as AutoCAD installation directory or pull-down Menu Tools-> Options-> File-> Support file search path Path-> add the program directory. Transferred to the application jgj.vlx, This program can be directly dragged into the AutoCAD drawing area, or in the drop-down Menu Tools-> Load application found that after loading the program Can! After successfully loaded in the command line, type bzjgj to run. In Dialog box, you can select the type of bolts and nuts and other flat, spring washers, Threaded display, specific methods can be found in the folder of pictures. Trial version can only draw specifications for the components of the M10, if you want to register the workers Tools, you can enter in the command line zc, you can get the relevant registration information.)
    2014-05-01 11:44:31下载
    积分：1
  • Jpeg2000Gui
    JPEG2000matlab实现 最新的图像压缩标准(JPEG2000matlab achieve the latest image compression standard)
    2007-05-07 15:43:42下载
    积分：1
  • 696524资源总数
  • 103930会员总数
  • 47今日下载

热门标签

Visual C++ matlab C/C++ Java Others Unix_Linux EasyLanguage易语言 Visual Basic C# PDF C++ Delphi VHDL ASP WINDOWS
热门下载

Copyright© 2019-2024 | Powered by Imdn | 浙ICP备16007336号 | IMDN交流 | 联系客服（QQ：3324461878）

本网站资源收集自网络及网站用户上传，若有侵权请邮件至（3324461878@qq.com），核实后我们会在24小时内删除，谢谢！