都2023年了,Faster |
您所在的位置:网站首页 › 苹果10过时了吗还能用吗 › 都2023年了,Faster |
原标题:都2023年了,Faster-RCNN还能用吗? 蓝字关注我们 微信公众号:OpenCV学堂 关注获取更多计算机视觉与深度学习知识 微信公众号:OpenCV学堂 关注获取更多计算机视觉与深度学习知识 Torchvision介绍 Torchvision是基于Pytorch的视觉深度学习迁移学习训练框架,当前支持的图像分类、对象检测、实例分割、语义分割、姿态评估模型的迁移学习训练与评估。支持对数据集的合成、变换、增强等,此外还支持预训练模型库下载相关的模型,直接预测推理。 对象检测支持 Pytorch中的torchvision是一个轻量化的迁移学习框架,支持图像分类、对象检测、实例分割、语义分割模型的自定义数据集的迁移学习,其中对象检测迁移学习支持模型包括: 其中Faster-RCNN支持骨干网络基于ResNet50,RPN支持FPN方式,同时支持ViT Block作为骨干网络。Torchvision中的对象检测模型参数指标列表如下: Faster-RCNN改进 在多数深度学习开发者的印象中Faster-RCNN与Mask-RCNN作为早期的RCNN系列网络现在应该是日薄西山,再也没有什么值得留恋的地方,但是你却会发现Pytorch无论哪个版本的torchvision都一直在支持Faster-RCNN与Mask-RCNN模型网络的迁移学习训练。原因不难理解,因为torchvision框架的开发者与维护者一直在不断改善与提升Faster-RCNN的模型,它已经不是2015的Faster-RCNN了,torchvision 0.13版本以后的Faster-RCNN支持两个版本分别是 展开全文V1版本是基于FPN加持、 V2版本是基于VIT+FPN加持 对应的论文分别发表于2017年与2021年底。所以说虽然是2023年了,但是torchvision中的Faster-RCNN模型还是可以用的,而且还是很有用的。 Faster-RCNN训练与部署 torchvision中支持的模型都可以一键导出ONNX格式模型,然后直接通过ONNXRUNTIME与OpenVINO实现模型部署与加速推理,通过torchvision框架可以实现自定义数据集的Faster-RCNN对象检测模型训练,我自己分别基于无人机与飞鸟数据集、宠物数据集实现了Faster-RCNN的自定义模型训练与部署,运行截图如下: 全网最高性价比的Pytorch框架CV开发课程,错过了不是时间,而是给自己改变的机会!感兴趣,现在扫码查看课程目录! 原价:398 优惠价格:299 元 购买深度学习系统化学习路线图 七门课程合集更优惠 原价:1413 优惠价:1199 实战 | 基于YOLOv8的PCB板缺陷检测 三行代码实现 TensorRT8.6 C++ 深度学习模型部署 OpenCV4.8+YOLOv8对象检测C++推理演示 ONNXRUNTIME部署一键人像抠图模型 2023再出发,Pytorch视频课程全面更新!返回搜狐,查看更多 责任编辑: |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |