googleEfficientDet算法中文版paper.将高效网络骨架与我们提出的BiFPN和复合尺度相结合，我们开发了一种新的对象检测器家族，称为高效Det，它始终以比以前的对象检测器更少的参数和FLOP来获得更好的精度。
图和图形显示COCO数据集上的性能比较。
在类似的精度约束下，我们的有效DET使用的FLOP比YOLOv3少28倍，FLOP比RetinaNet少30倍，FLOP比最近基于ResNet的NAS-FPN少19倍。
特别是，在单模型和单测试时间尺度下，我们的高效Det-D7实现了最先进的53.7AP和52M参数和325BFLOP，在1.5AP的情况下优于以前最好的检测器，而在4倍小和使用13倍少的FLOP。
我们的高效DET在GPU/CPU上也比以前的检测器快4倍至11倍。
图和图形显示COCO数据集上的性能比较。
在类似的精度约束下，我们的有效DET使用的FLOP比YOLOv3少28倍，FLOP比RetinaNet少30倍，FLOP比最近基于ResNet的NAS-FPN少19倍。
特别是，在单模型和单测试时间尺度下，我们的高效Det-D7实现了最先进的53.7AP和52M参数和325BFLOP，在1.5AP的情况下优于以前最好的检测器，而在4倍小和使用13倍少的FLOP。
我们的高效DET在GPU/CPU上也比以前的检测器快4倍至11倍。
2023/7/30 7:35:17
559KB
1
上传的是txt文件,里面含有数据集的下载链接和密码，下载方式为百度网盘。
数据集文件是在清华实验室采集到的交通路口图片的基础上，使用labelme对其进行交通信号灯的标注，标注采用VOC格式，全部手工标注，标注图片一共9812张，耗时两个月左右，质量有保证。
标注类别共18类，包括红灯，绿灯，黄灯的各类箭头，以及行人，自行车的信号灯类别。
整体文件包括原始图片，对应标签，保存有文件名的txt文件以及含有具体类别名称的txt文件。
全部打包上传。
已经经过本人使用YOLOV3和fast-r-cnn模型亲自测试,数据集数据真实有效。
相关的模型的文件和训练文件也已经全部上传，可在我发布的其他资源里找到
数据集文件是在清华实验室采集到的交通路口图片的基础上，使用labelme对其进行交通信号灯的标注，标注采用VOC格式，全部手工标注，标注图片一共9812张，耗时两个月左右，质量有保证。
标注类别共18类，包括红灯，绿灯，黄灯的各类箭头，以及行人，自行车的信号灯类别。
整体文件包括原始图片，对应标签，保存有文件名的txt文件以及含有具体类别名称的txt文件。
全部打包上传。
已经经过本人使用YOLOV3和fast-r-cnn模型亲自测试,数据集数据真实有效。
相关的模型的文件和训练文件也已经全部上传，可在我发布的其他资源里找到
2023/6/2 11:19:37
147B
1
加注释的神经网络模型，项目注释+论文复现：yolossdfaster-rcnncamunetyolov3s4ndyolov4dynamicrelubroadfacetargetdrophs-resnetdiscfacenpcface
2023/6/1 17:18:12
3.24MB
1
tensorflow版本的YOLOv3，在Windows体系下亲测可运行，代码残缺，搜罗熬炼测试demo等等，上手约莫约莫，无需繁杂的情景，
2023/5/5 1:09:58
15.2MB
1
yolov5的权重文件，搜罗yolov5l.pt，yolov5m.pt，yolov5s.pt，yolov5x.pt，yolov3spp.pt。
使用方式，下载之后加压文件，将权重文件复制到yolov5名目下的weights文件中，运行detect.py就可
使用方式，下载之后加压文件，将权重文件复制到yolov5名目下的weights文件中，运行detect.py就可
2023/4/30 11:37:31
406.01MB
1
资源搜罗部份YOLOV3模子，模子熬炼的步骤的相关阐发都在资源傍边。
框架付与的pytorch,信号灯数据集付与的是我自己标注的信号灯数据集，相关数据集的资源能够在我宣告的其余资源里找到，数据集的数目庞大，品质优异，残缺能够胜任模子的熬炼责任。
模子文件经由自己亲自调解以及测试，确凿实用。
熬炼进程中碰着的下场以及处置方式都写在了资源里的阐发中，最终熬炼实现的权重文件也一并打包上传，有任何下场能够留言。
框架付与的pytorch,信号灯数据集付与的是我自己标注的信号灯数据集，相关数据集的资源能够在我宣告的其余资源里找到，数据集的数目庞大，品质优异，残缺能够胜任模子的熬炼责任。
模子文件经由自己亲自调解以及测试，确凿实用。
熬炼进程中碰着的下场以及处置方式都写在了资源里的阐发中，最终熬炼实现的权重文件也一并打包上传，有任何下场能够留言。
2023/4/27 7:30:45
444.75MB
1
在我的博客https://blog.csdn.net/z649431508/article/details/82191036有详尽的熬炼单类检测物体的阐发，这个文件是熬炼集以及测试集收拾的文件，能够直接放到代码拜别熬炼，详尽阐发文件在博客里有记实。
2023/3/31 9:22:04
59B
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB