feilong58284

深度学习物体检测模型DN DETR R5050ep分享

深度学习领域中的物体检测模型DN-DETR-R50-50ep是一款高效准确的模型，能够在大规模物体检测中实现优异的表现。该模型基于目标检测技术，能够快速识别出图片中的目标物体，广泛应用于计算机视觉、自动驾驶等领域。本文分享了DN-DETR-R50-50ep模型的下载地址和使用方法，希望对您的工作和学

深度学习模型训练记录文件checkpoint0049

checkpoint0049.pth是一个由深度学习模型训练生成的记录文件，记录了模型训练的进度和结果。该文件可以作为后续模型优化和修改的基础，也可以帮助其他研究人员复现并验证该模型。需要注意的是，由于该文件是由机器自动生成的，因此可能会存在一些错误和不完整的记录，需要进行进一步的检查和处理。

opencv获取图片位置代码.txt

通过opencv直接获取图片的位置, 不需要目标检测训练

yolact权重下载yolact_plus_base_54_800000.pth

yolact预训练模型下载,有需要的可以拿走,git上太慢 把权重放到项目下的weights文件夹下。

python和人工智能全部视频教程

网址连接可以直接在线观看,共36天的课程 包含深度学习 机器学习 爬虫等知识,有问题可以留言,我会尽快的回复处理

c++调用YOLOV4实现目标检测

需要配置opencv和cuda的环境，配置之后可以直接运行生成检测之后的图片，yolov4.weights直接在网上下载就可以放到代码的目录下

c#调用c++版本的faster_rcnn代码

c#调用c++的faster_rcnn动态库，实现目标检测，由于文件太大缺少libcaffe.lib包可以自己编译caffe生成放在.\SDKTest\Test1\bin\x64\Release目录下，返回图片分类和坐标以json格式到c#端。

boost_date_timevc110mt1_49.dll

MATLABR2019b安装缺失文件