登录
首页 » Python » mx-maskrcnn-master

mx-maskrcnn-master

于 2020-06-17 发布
0 199
下载积分: 1 下载次数: 5

代码说明:

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

  • seisplot
    说明:  雷克子波,绘制地震道记录,可以自己设置参数绘制相应的地震道记录(Reick wavelet, drawing seismic trace records, can set its own parameters to draw corresponding seismic trace records.)
    2019-04-09 16:33:41下载
    积分:1
  • 模糊粒子群FuzzyPSO
    此FCM-PSO是对于FCM的改进,用于图像分割,效果好。(it is an improvement on FCM for image segmentation)
    2018-03-20 10:58:44下载
    积分:1
  • PCA1
    pca算法,用于数据降维,注释非常详细清晰,(PCA algorithm, for data dimensionality reduction, clear and very detailed notes,)
    2008-08-25 16:55:46下载
    积分:1
  • SIFT
    说明:  由于只是利用图像的灰度信息, SIFT 算法不能很好地区分形状相似但颜色不同的物体。针对这一问题, 提出了一种基于彩 色的SIFT 特征点提取算法, 并着重分析了多种彩色模型对算法性能的影响。这种算法也是在图像的灰度尺度空间上检测特征点, 但其特征向量由各描述子子区域的彩色模型分量的均值组成并在原始的彩色图像上进行计算。(SIFT)
    2010-04-20 09:48:53下载
    积分:1
  • attackofwatermarking
    说明:  通过程序介绍的一些算法,可以对信息隐藏技术实施攻击,特别是水印技术.(procedures introduced by the algorithm, the information can be hidden to attack technology, in particular watermarking technology.)
    2006-04-18 11:58:33下载
    积分:1
  • shuxuexingtaiquzao
    数学形态学去噪 有效地还原了原始信号 去除了振动噪声和基线漂移(signal denoising )
    2016-04-07 09:56:54下载
    积分:1
  • huff
    这是一个灰度图像进行哈夫曼编码的Matlab程序,包括编码和解码部分。绝对能用!(Huffman Code)
    2009-12-07 14:52:23下载
    积分:1
  • demo
    图形验证码识别引擎 V1.1 可以识别数字(Graphics Recognition Engine Code V1.1)
    2009-07-10 22:01:19下载
    积分:1
  • facedetectandrecognition-dlib-python3.6
    说明:  机器学习专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技 能,为包括人脸识别领域的人工智能的发展做出了极大的贡献。本文探索如何应用机器学习中的一些技术,使计算机更好地完成人脸识别领域中的人脸检测和人脸验证。 在人脸检测方面,针对如何快速、准确地检出人脸的问题,基于DLIB中特征模型,可以快速提取检测出人脸,并且提取出人脸特征点,主要作用就是快速检测定位人脸。在训练过程中,引入了ResNet机器学习算法,该算法采用多层卷积神经网络结构,对人脸进行多层特征提取和描述,得到人脸特征描述符。通过测试可以证实了上述方法能够检测和识别人脸。(In terms of face detection, for the problem of how to detect faces quickly and accurately, based on the feature model in DLIB, you can quickly extract and detect faces, and extract face feature points, the main role is to quickly detect and locate faces. In the training process, the VGG-FACE machine learning algorithm is introduced. This algorithm uses a multi-layer convolutional neural network structure to perform multi-layer feature extraction and description on the face to obtain the face feature descriptor. Tests can confirm that the above method can detect and recognize human faces.)
    2020-05-06 14:33:08下载
    积分:1
  • 批量改片格式
    说明:  对图像格式进行更改,将mat格式转化为其它格式的程序(Program to change image format and convert mat format to other formats.)
    2019-12-24 22:42:02下载
    积分:1
  • 696518资源总数
  • 106010会员总数
  • 4今日下载