通过使用pytorch技术实现了CenterNet目标检测项目的复现,并进一步探讨了其中的方法和优化思路。本文详细介绍了如何在pytorch框架下搭建CenterNet网络结构,如何处理训练数据和标签,并解析了其检测算法的原理。同时,针对CenterNet在目标检测中可能存在的问题进行了深入分析,并提出了一些优化思路和方法。通过本文的学习,读者可以了解到如何使用pytorch复现CenterNet目标检测项目,并通过优化提升检测性能。
pytorch复现Cente.Net目标检测项目方法及优化思路
文件列表
pytorch复现CenterNet目标检测项目
(预估有个211文件)
vision.cpp
405B
dcn_v2_psroi_pooling_cpu.cpp
17KB
dcn_v2_cpu.cpp
11KB
dcn_v2_im2col_cpu.cpp
19KB
dcn_v2_im2col_cuda.cu
20KB
dcn_v2_cuda.cu
14KB
dcn_v2_psroi_pooling_cuda.cu
16KB
.gitignore
58B
nms.c
591KB
.gitignore
160B
暂无评论