【检测|RCNN系列-6】Light Head RCNN基于EfficientNet项目分享(附代码和数据集)

简介: 【检测|RCNN系列-6】Light Head RCNN基于EfficientNet项目分享(附代码和数据集)

1、简介


这里主要是针对Light Head RCNN进行了行人检测的训练,Backbone是基于EfficientNet,其结构如下:



2、项目结构


项目结构如下:

image.png


训练集如下:

image.png


测试结果如下:

image.png


对应文件说明:

  • 1、Train.py用来训练
  • 2、Webcam.py用来测试视频或者摄像头
  • 3、weights文件夹下是EfficientNet不同结构的预训练权重

注意:训练时候数据集路径根据实际情况进行修改,pycharm可以直接一键运行训练和测试。

相关文章
|
2月前
|
机器学习/深度学习 算法 计算机视觉
超越YOLOv10/11、RT-DETRv2/3!中科大D-FINE重新定义边界框回归任务
中科大研究团队提出了一种新型目标检测器D-FINE,通过重新定义边界框回归任务,实现超越YOLOv10/11和RT-DETRv2/3的性能。D-FINE采用细粒度分布细化(FDR)和全局最优定位自蒸馏(GO-LSD)技术,显著提高了定位精度和检测速度。在COCO数据集上,D-FINE-L/X分别达到54.0%/55.8%的AP,并在NVIDIA T4 GPU上以124/78 FPS运行。
92 13
|
计算机视觉
二阶段目标检测网络-Mask RCNN 详解
二阶段目标检测网络-Mask RCNN 详解
212 0
|
机器学习/深度学习 算法 前端开发
简单涨点 | Flow-Mixup: 对含有损坏标签的多标签医学图像进行分类(优于Mixup和Maniflod Mixup)(一)
简单涨点 | Flow-Mixup: 对含有损坏标签的多标签医学图像进行分类(优于Mixup和Maniflod Mixup)(一)
256 1
|
算法 数据挖掘
简单涨点 | Flow-Mixup: 对含有损坏标签的多标签医学图像进行分类(优于Mixup和Maniflod Mixup)(二)
简单涨点 | Flow-Mixup: 对含有损坏标签的多标签医学图像进行分类(优于Mixup和Maniflod Mixup)(二)
192 1
|
机器学习/深度学习 算法 计算机视觉
【检测|RCNN系列-2】目标检测算法Fast RCNN(附论文获取方式)
【检测|RCNN系列-2】目标检测算法Fast RCNN(附论文获取方式)
200 0
【检测|RCNN系列-2】目标检测算法Fast RCNN(附论文获取方式)
|
机器学习/深度学习 算法 自动驾驶
改进YOLOX | Push-IOU+Dynamic Anchor进一步提升YOLOX性能
改进YOLOX | Push-IOU+Dynamic Anchor进一步提升YOLOX性能
206 0
|
机器学习/深度学习 数据采集 编解码
R-FCN、Mask RCNN、YoLo、SSD、FPN、RetinaNet…你都掌握了吗?一文总结目标识别必备经典模型(1)
R-FCN、Mask RCNN、YoLo、SSD、FPN、RetinaNet…你都掌握了吗?一文总结目标识别必备经典模型
208 0
|
编解码 人工智能 固态存储
R-FCN、Mask RCNN、YoLo、SSD、FPN、RetinaNet…你都掌握了吗?一文总结目标识别必备经典模型(2)
R-FCN、Mask RCNN、YoLo、SSD、FPN、RetinaNet…你都掌握了吗?一文总结目标识别必备经典模型
310 0
|
机器学习/深度学习 编解码 算法
【检测|RCNN系列-4】HyperNet速度提升40倍,mAP不减Faster RCNN(附论文下载)
【检测|RCNN系列-4】HyperNet速度提升40倍,mAP不减Faster RCNN(附论文下载)
208 0
|
缓存 算法 PyTorch
YOLOv5的Tricks | 【Trick12】YOLOv5使用的数据增强方法汇总
YOLOv5的Tricks | 【Trick12】YOLOv5使用的数据增强方法汇总
3363 0
YOLOv5的Tricks | 【Trick12】YOLOv5使用的数据增强方法汇总