Pelee：移動端實時檢測Backbone
簡介 在ImageNet數據集上，PeleeNet只有MobileNet模型的66%,並且比MobileNet精度更高。PeleeNet作爲backbone實現SSD能夠在VOC2007數據集上達到76.4%的mAP。文章總體上參考DenseNet的設計思路，提出了三個核心模塊進行改進，有一定參考價值。 核心 PeleeNet實際上是DenseNet的變體，使用的依然是DenseNet的連接方法，
相關文章
- 1. 實時目標檢測--Pelee: A Real-Time Object Detection System on Mobile Devices
- 2. 輕量級檢測網絡Pelee和DenseNet
- 3. 【小白目標檢測】手把手教你做視頻中的實時目標檢測（基於Pelee算法）
- 4. 【小白目標檢測】手把手教你作視頻中的實時目標檢測（基於Pelee算法）
- 5. YOLO-v4目標檢測實時手機實現，全自動實時移動端AI框架
- 6. TensorFlow Lite+OpenCV實現移動端水印的檢測與去除
- 7. TensorFlow Lite + OpenCV 實現移動端水印的檢測與去除
- 8. 移動端測試
- 9. 移動端實現實時刷新
- 10. DenseNet算法詳解(目標檢測backbone)
- 更多相關文章...
- • 移動設備 統計 - 瀏覽器信息
- • PHP 實例 - AJAX 實時搜索 - PHP教程
- • Docker容器實戰(一) - 封神Server端技術
- • 算法總結-滑動窗口
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. 實時目標檢測--Pelee: A Real-Time Object Detection System on Mobile Devices
- 2. 輕量級檢測網絡Pelee和DenseNet
- 3. 【小白目標檢測】手把手教你做視頻中的實時目標檢測（基於Pelee算法）
- 4. 【小白目標檢測】手把手教你作視頻中的實時目標檢測（基於Pelee算法）
- 5. YOLO-v4目標檢測實時手機實現，全自動實時移動端AI框架
- 6. TensorFlow Lite+OpenCV實現移動端水印的檢測與去除
- 7. TensorFlow Lite + OpenCV 實現移動端水印的檢測與去除
- 8. 移動端測試
- 9. 移動端實現實時刷新
- 10. DenseNet算法詳解(目標檢測backbone)