目标检测开源代码汇总 object detection algorithm codes (转)

2024-01-07 17:32

本文主要是介绍目标检测开源代码汇总 object detection algorithm codes (转),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

注:原文:https://blog.csdn.net/zhangjunhit/article/details/78901952

博主「O天涯海阁O」

 

无人机目标检测
SlimYOLOv3: Narrower, Faster and Better for Real-Time UAV Applications
https://arxiv.org/abs/1907.11093
https://github.com/PengyiZhang/SlimYOLOv3

目标检测发展线路图–https://github.com/hoya012/deep_learning_object_detection

卫星图像车辆检测
https://github.com/CosmiQ/simrdwn

车辆检测竞赛
http://detrac-db.rit.albany.edu/DetRet 检测
http://detrac-db.rit.albany.edu/Tracking 跟踪

车辆检测
Evolving Boxes for Fast Vehicle Detection ICME 2017
http://zhengyingbin.cc/EvolvingBoxes/
https://github.com/Willy0919/Evolving_Boxes

车辆检测
Small U-Net for vehicle detection
https://github.com/vxy10/p5_VehicleDetection_Unet

目标检测 Faster RCNN + SSD
Single-Shot Refinement Neural Network for Object Detection
https://github.com/sfzhang15/RefineDet

目标检测
A Unified Multi-scale Deep Convolutional Neural Network for Fast Object Detection ECCV2016
https://github.com/zhaoweicai/mscnn

目标检测 — 加速候选区域提取
DeNet: Scalable Real-time Object Detection with Directed Sparse Sampling ICCV2017
https://github.com/lachlants/denet

【Dlib 19.5车辆检测】《Vehicle Detection with Dlib 19.5》
http://blog.dlib.net/2017/08/vehicle-detection-with-dlib-195_27.html

目标检测
RON: Reverse Connection with Objectness Prior Networks for Object Detection CVPR2017
https://github.com/taokong/RON

同时检测和分割,类似 Mask R-CNN
BlitzNet: A Real-Time Deep Network for Scene Understanding ICCV2017
https://github.com/dvornikita/blitznet ​​​​

目标检测
DSOD: Learning Deeply Supervised Object Detectors from Scratch ICCV2017
https://github.com/szq0214/DSOD

目标检测:
PVANET: Deep but Lightweight Neural Networks for Real-time Object Detection
https://github.com/sanghoon/pva-faster-rcnn

目标检测
R-FCN: Object Detection via Region-based Fully Convolutional Networks
https://github.com/daijifeng001/r-fcn

目标检测
A-Fast-RCNN: Hard Positive Generation via Adversary for Object Detection CVPR 2017
Caffe code : https://github.com/xiaolonw/adversarial-frcnn

目标检测
Improving Object Detection With One Line of Code
https://github.com/bharatsingh430/soft-nms

行人检测:

Is Faster R-CNN Doing Well for Pedestrian Detection? ECCV2016
https://github.com/zhangliliang/RPN_BF/tree/RPN-pedestrian

检测
Accurate Single Stage Detector Using Recurrent Rolling Convolution
https://github.com/xiaohaoChen/rrc_detection
 

这篇关于目标检测开源代码汇总 object detection algorithm codes (转)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/580702

相关文章

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X

SWAP作物生长模型安装教程、数据制备、敏感性分析、气候变化影响、R模型敏感性分析与贝叶斯优化、Fortran源代码分析、气候数据降尺度与变化影响分析

查看原文>>>全流程SWAP农业模型数据制备、敏感性分析及气候变化影响实践技术应用 SWAP模型是由荷兰瓦赫宁根大学开发的先进农作物模型,它综合考虑了土壤-水分-大气以及植被间的相互作用;是一种描述作物生长过程的一种机理性作物生长模型。它不但运用Richard方程,使其能够精确的模拟土壤中水分的运动,而且耦合了WOFOST作物模型使作物的生长描述更为科学。 本文让更多的科研人员和农业工作者

基于 YOLOv5 的积水检测系统:打造高效智能的智慧城市应用

在城市发展中,积水问题日益严重,特别是在大雨过后,积水往往会影响交通甚至威胁人们的安全。通过现代计算机视觉技术,我们能够智能化地检测和识别积水区域,减少潜在危险。本文将介绍如何使用 YOLOv5 和 PyQt5 搭建一个积水检测系统,结合深度学习和直观的图形界面,为用户提供高效的解决方案。 源码地址: PyQt5+YoloV5 实现积水检测系统 预览: 项目背景

JavaFX应用更新检测功能(在线自动更新方案)

JavaFX开发的桌面应用属于C端,一般来说需要版本检测和自动更新功能,这里记录一下一种版本检测和自动更新的方法。 1. 整体方案 JavaFX.应用版本检测、自动更新主要涉及一下步骤: 读取本地应用版本拉取远程版本并比较两个版本如果需要升级,那么拉取更新历史弹出升级控制窗口用户选择升级时,拉取升级包解压,重启应用用户选择忽略时,本地版本标志为忽略版本用户选择取消时,隐藏升级控制窗口 2.

【Python报错已解决】AttributeError: ‘list‘ object has no attribute ‘text‘

🎬 鸽芷咕:个人主页  🔥 个人专栏: 《C++干货基地》《粉丝福利》 ⛺️生活的理想,就是为了理想的生活! 文章目录 前言一、问题描述1.1 报错示例1.2 报错分析1.3 解决思路 二、解决方法2.1 方法一:检查属性名2.2 步骤二:访问列表元素的属性 三、其他解决方法四、总结 前言 在Python编程中,属性错误(At

[数据集][目标检测]血细胞检测数据集VOC+YOLO格式2757张4类别

数据集格式:Pascal VOC格式+YOLO格式(不包含分割路径的txt文件,仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数):2757 标注数量(xml文件个数):2757 标注数量(txt文件个数):2757 标注类别数:4 标注类别名称:["Platelets","RBC","WBC","sickle cell"] 每个类别标注的框数:

【Kubernetes】常见面试题汇总(三)

目录 9.简述 Kubernetes 的缺点或当前的不足之处? 10.简述 Kubernetes 相关基础概念? 9.简述 Kubernetes 的缺点或当前的不足之处? Kubernetes 当前存在的缺点(不足)如下: ① 安装过程和配置相对困难复杂; ② 管理服务相对繁琐; ③ 运行和编译需要很多时间; ④ 它比其他替代品更昂贵; ⑤ 对于简单的应用程序来说,可能不

Temu官方宣导务必将所有的点位材料进行检测-RSL资质检测

关于饰品类产品合规问题宣导: 产品法规RSL要求 RSL测试是根据REACH法规及附录17的要求进行测试。REACH法规是欧洲一项重要的法规,其中包含许多对化学物质进行限制的规定和高度关注物质。 为了确保珠宝首饰的安全性,欧盟REACH法规规定,珠宝首饰上架各大电商平台前必须进行RSLReport(欧盟禁限用化学物质检测报告)资质认证,以确保产品不含对人体有害的化学物质。 RSL-铅,

【Kubernetes】常见面试题汇总(一)

目录 1.简述 etcd 及其特点? 2.简述 etcd 适应的场景? 3.简述什么是Kubernetes? 4.简述 Kubernetes和 Docker的关系? 1.简述 etcd 及其特点? (1)etcd 是Core0s 团队发起的开源项目,是一个管理配置信息和服务发现(service discovery)的项目,它的目标是构建一个高可用的分布式键值(keyvalue)数据